JP2024521106A - ユーザ固有の皮膚又は毛髪データを分析して、ユーザ固有の皮膚又は毛髪状態を予測する、人工知能ベースのシステム及び方法 - Google Patents
ユーザ固有の皮膚又は毛髪データを分析して、ユーザ固有の皮膚又は毛髪状態を予測する、人工知能ベースのシステム及び方法 Download PDFInfo
- Publication number
- JP2024521106A JP2024521106A JP2023571871A JP2023571871A JP2024521106A JP 2024521106 A JP2024521106 A JP 2024521106A JP 2023571871 A JP2023571871 A JP 2023571871A JP 2023571871 A JP2023571871 A JP 2023571871A JP 2024521106 A JP2024521106 A JP 2024521106A
- Authority
- JP
- Japan
- Prior art keywords
- user
- scalp
- hair
- data
- region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 210000004209 hair Anatomy 0.000 title claims abstract description 510
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 184
- 238000000034 method Methods 0.000 title claims abstract description 74
- 210000004761 scalp Anatomy 0.000 claims abstract description 602
- 231100000640 hair analysis Toxicity 0.000 claims abstract description 64
- 238000011282 treatment Methods 0.000 claims abstract description 64
- 238000012549 training Methods 0.000 claims abstract description 60
- 210000002374 sebum Anatomy 0.000 claims description 69
- 238000005259 measurement Methods 0.000 claims description 33
- 206010039792 Seborrhoea Diseases 0.000 claims description 13
- 208000001840 Dandruff Diseases 0.000 claims description 12
- 206010013786 Dry skin Diseases 0.000 claims description 12
- 201000004384 Alopecia Diseases 0.000 claims description 8
- 208000024963 hair loss Diseases 0.000 claims description 8
- 230000003676 hair loss Effects 0.000 claims description 8
- 206010015150 Erythema Diseases 0.000 claims description 7
- 206010052904 Musculoskeletal stiffness Diseases 0.000 claims description 7
- 206010040904 Skin odour abnormal Diseases 0.000 claims description 7
- 230000003745 detangling effect Effects 0.000 claims description 7
- 230000003741 hair volume Effects 0.000 claims description 7
- 230000005722 itchiness Effects 0.000 claims description 6
- 230000000875 corresponding effect Effects 0.000 description 57
- 230000035882 stress Effects 0.000 description 44
- 210000003491 skin Anatomy 0.000 description 39
- 230000015654 memory Effects 0.000 description 24
- 230000007306 turnover Effects 0.000 description 24
- 238000009877 rendering Methods 0.000 description 19
- 238000004458 analytical method Methods 0.000 description 17
- 238000010801 machine learning Methods 0.000 description 17
- 238000003384 imaging method Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 230000002596 correlated effect Effects 0.000 description 11
- 230000006872 improvement Effects 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 10
- 238000005406 washing Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 230000008447 perception Effects 0.000 description 9
- 230000004044 response Effects 0.000 description 9
- 239000002453 shampoo Substances 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000007796 conventional method Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000012314 multivariate regression analysis Methods 0.000 description 4
- 238000012800 visualization Methods 0.000 description 4
- 208000002874 Acne Vulgaris Diseases 0.000 description 3
- 206010019049 Hair texture abnormal Diseases 0.000 description 3
- 206010000496 acne Diseases 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000000758 substrate Substances 0.000 description 3
- 208000003251 Pruritus Diseases 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 210000003780 hair follicle Anatomy 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003020 moisturizing effect Effects 0.000 description 2
- 239000003921 oil Substances 0.000 description 2
- 235000019198 oils Nutrition 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000010079 rubber tapping Methods 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000003813 thin hair Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 241001635598 Enicostema Species 0.000 description 1
- 206010027626 Milia Diseases 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 235000019864 coconut oil Nutrition 0.000 description 1
- 239000003240 coconut oil Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 210000005200 frontal scalp Anatomy 0.000 description 1
- 239000004519 grease Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 239000002085 irritant Substances 0.000 description 1
- 231100000021 irritant Toxicity 0.000 description 1
- 230000007794 irritation Effects 0.000 description 1
- 230000007803 itching Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000007800 oxidant agent Substances 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000012950 reanalysis Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 229940095673 shampoo product Drugs 0.000 description 1
- 230000036555 skin type Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 210000004243 sweat Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
- A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
- A61B5/446—Scalp evaluation or scalp disorder diagnosis, e.g. dandruff
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30088—Skin; Dermal
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Physiology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Dermatology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Fuzzy Systems (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
ユーザ固有のデータを分析して、ユーザ固有の皮膚又は毛髪状態を予測する、人工知能ベースのシステム及び方法。ユーザのユーザ固有データは、頭皮毛髪分析アプリケーションにおいて受信され、ユーザの最後の洗浄データ及びユーザの少なくとも1つの他の因子を含むユーザの頭皮又は毛髪領域を定義する。人工知能ベースの学習モデルは、各個人の頭皮及び毛髪領域に関する訓練データを用いて訓練され、ユーザ固有のデータを分析して、ユーザの頭皮又は毛髪領域に対応する頭皮又は毛髪予測値を生成する。アプリケーションは、頭皮又は毛髪予測値に基づいて、ユーザの頭皮又は毛髪領域の頭皮又は毛髪予測値に基づく少なくとも1つの特徴に対処するように設計されたユーザ固有の処置を生成する。
Description
本開示は、概して、人工知能(artificial intelligence、AI)ベースのシステム及び方法に関し、より詳細には、ユーザ固有の皮膚又は毛髪データを分析して、ユーザ固有の皮膚又は毛髪状態を予測する、AIベースのシステム及び方法に関する。
一般に、皮脂及び汗などのヒトの毛髪及び皮膚の複数の内因性因子は、頭皮状態(例えば、皮脂残留物、頭皮皮膚ストレス)及び毛嚢/毛髪状態(例えば、毛髪ストレス、座瘡、頭皮栓)を含み得る、ユーザの頭皮の全体的状態に対して現実世界の影響を有する。風、湿度、及び/又は様々な毛髪関連製品の使用などの追加の外因性要因もまた、ユーザの頭皮の状態に影響を及ぼす場合がある。更に、頭皮関連問題のユーザ知覚は、典型的には、そのような基礎となる内因性及び/又は外因性要因を反映しない。
したがって、内因性及び/又は外因性因子の数を、頭皮及び毛髪タイプの複雑さと併せて考慮すると、特に、各々が異なる人口統計、人種、及び民族に関連付けられ得る異なるユーザにわたって考えた場合に問題が生じる。これは、様々なヒトの頭皮の状態及び特徴の診断及び処置において問題を生じさせる。例えば、頭皮状態を自己診断する際にユーザを支援しようと試みる従来技術の方法は、概して、正確なユーザ固有の診断を生成するのに十分な情報を欠いており、その結果、広く過度に単純化された推奨を提供する。更に、ユーザは、様々な製品又は技法を用いて経験的に実験しようと試みる場合があるが、満足のいく結果を達成することはなく、かつ/又は起こり得る負の副作用を引き起こし、ユーザの頭皮の状態若しくはそうでなければ視覚的外観に影響を及ぼす。
前述の理由から、ユーザ固有の皮膚又は毛髪データを分析して、ユーザ固有の皮膚又は毛髪状態を予測する、AIベースのシステム及び方法が必要とされている。
一般に、本明細書に記載されるように、ユーザ固有の皮膚又は毛髪データを分析して、ユーザ固有の皮膚又は毛髪状態を予測する、人工知能(AI)ベースのシステム及び方法が記載される。いくつかの態様では、本明細書のAIベースのシステム及び方法は、ユーザ固有のデータを入力して、ユーザの頭皮の頭皮皮脂を予測するようにAIモデルを訓練するように構成される。そのようなAIベースのシステムは、ヒトの頭皮、皮膚、及び/又は毛髪の状態に影響を及ぼす様々な内因性及び/又は外因性の因子又は属性を識別し、処置する際の困難性から生じる問題を克服するためのAIベースの解決策を提供する。
一般に、本明細書に記載されるようなAIベースのシステムは、ユーザが、ユーザ固有のデータをサーバに(例えば、その1つ以上のプロセッサを含む)、又はそうでなければコンピューティングデバイスに(例えば、ユーザのモバイルデバイス上にローカルになど)提出することを可能にし、これらサーバ又はユーザコンピューティングデバイスは、各個人の頭皮及び毛髪領域に関する潜在的に数千個(以上)のユーザ固有のデータの訓練データを用いて訓練されたAIベースの学習モデルを実装又は実行する。AI学習モデルは、頭皮又は毛髪予測値に基づいて、ユーザの頭皮又は毛髪領域の頭皮又は毛髪予測値に基づく少なくとも1つの特徴に対処するように設計されたユーザ固有の処置を生成し得る。例えば、ユーザ固有のデータは、頭皮乾燥、頭皮油性、ふけ、こわばり、発赤、不快臭、かゆみ、扱いにくさ、抜け毛、毛髪のボリューム、薄毛、もつれをほぐすこと、毛髪油性、乾燥、毛髪の匂い、座瘡、頭皮栓、及び/又は特定のユーザの頭皮若しくは毛髪領域の他の頭皮若しくは毛髪因子を示す回答又は他の入力を含むことができる。いくつかの態様では、ユーザ固有の処置(及び/又は製品固有の推奨/処置)は、ディスプレイ画面上でレンダリングするために、コンピュータネットワークを介してユーザのユーザコンピューティングデバイスに伝送され得る。いくつかの態様では、ユーザ固有のデータの撮像サーバへの伝送は行われず、ユーザ固有の処置(及び/又は製品固有の推奨/処置)は、代わりに、AIベースの学習モデルによって生成され、ユーザのモバイルデバイス上でローカルに実行及び/又は実装され、モバイルデバイスのプロセッサによってモバイルデバイスのディスプレイ画面上でレンダリングされ得る。様々な態様では、そのようなレンダリングは、ユーザの頭皮又は毛髪領域の頭皮又は毛髪予測値に基づく特徴に対処するためのグラフィカル表現、オーバーレイ、注釈などを含み得る。
ある種の態様では、本明細書に記載されるようなAIベースのシステムは、ユーザが、ユーザの画像を撮像サーバに(例えば、その1つ以上のプロセッサを含む)、又はそうでなければコンピューティングデバイスに(例えば、ユーザのモバイルデバイス上にローカルになど)提出することを可能にし、これら撮像サーバ又はユーザコンピューティングデバイスは、各個人の頭皮又は毛髪領域を描写する潜在的に10,000個(以上)の画像の画素データを用いて訓練されたAIベース学習モデルを実装又は実行する。AIベースの学習モデルは、頭皮又は毛髪予測値に基づいて、ユーザの頭皮又は毛髪領域を含む画素データ内で識別可能な少なくとも1つの特徴に対処するように設計されたユーザ固有の処置を生成し得る。例えば、ユーザの頭皮又は毛髪領域の一部は、白い皮脂、頭皮乾燥、頭皮油性、ふけ、こわばり、発赤/刺激、かゆみ、扱いにくさ、抜け毛、毛髪のボリューム、薄毛、もつれをほぐすこと、毛髪油性、乾燥、毛髪の匂い、座瘡、頭皮栓、及び/又は特定のユーザの頭皮若しくは毛髪領域の他の頭皮若しくは毛髪因子を示す画素又は画素データを含むことができる。いくつかの態様では、ユーザ固有の処置(及び/又は製品固有の推奨/処置)は、ディスプレイ画面上でレンダリングするために、コンピュータネットワークを介してユーザのユーザコンピューティングデバイスに伝送され得る。他の態様では、ユーザの画像の撮像サーバへの伝送は行われず、ユーザ固有の処置(及び/又は製品固有の推奨/処置)は、代わりに、AIベースの学習モデルによって生成され、ユーザのモバイルデバイス上でローカルに実行及び/又は実装され、モバイルデバイスのプロセッサによってモバイルデバイスのディスプレイ画面上でレンダリングされ得る。様々な態様では、そのようなレンダリングは、画素データ内の特徴に対処するためのグラフィカル表現、オーバーレイ、注釈などを含み得る。
より具体的には、本明細書に記載されるように、AIベースのシステムが開示される。AIベースの学習システムは、(本明細書では「ユーザ固有のデータ」としても参照される)ユーザ固有の皮膚又は毛髪データを分析して、(本明細書では「頭皮又は毛髪予測値」及び「頭皮及び毛髪状態値」としても呼ばれる)ユーザ固有の皮膚又は毛髪状態を予測するように構成される。AIベースのシステムは、1つ以上のプロセッサと、1つ以上のプロセッサ上で実行するように構成されたコンピューティング命令を含む頭皮毛髪分析アプリケーション(アプリ)と、AIベースの学習モデルとを備える。AIベースの学習モデルは、頭皮毛髪分析アプリによってアクセス可能であり、各個人の頭皮及び毛髪領域に関する訓練データを用いて訓練される。AIベースの学習モデルは、各個人の頭皮又は毛髪領域の1つ以上の特徴に対応する1つ以上の頭皮又は毛髪予測を出力するように構成される。各個人の頭皮及び毛髪領域に関する訓練データは、各個人の最後の洗浄データに対応する1つ以上の値、及び頭皮因子のうちの1つ以上、1つ以上の毛髪因子、又は洗浄頻度のうちの少なくとも1つから選択される。訓練データは、頭皮又は毛髪領域のうちの1つ以上の特徴を決定するように構成された頭皮又は毛髪測定デバイスを用いて生成されたデータを含む。頭皮毛髪分析アプリのコンピューティング命令は、1つ以上のプロセッサによって実行されると、1つ以上のプロセッサに、(1)ユーザの最後の洗浄データ、及び(2)ユーザの1つ以上の頭皮因子、ユーザの1つ以上の毛髪因子、又はユーザの洗浄頻度のうちの少なくとも1つ、を含む、ユーザの頭皮又は毛髪領域を定義する、ユーザのユーザ固有データを受信させ、AIベースの学習モデルによって、ユーザ固有データを分析させて、ユーザの頭皮又は毛髪領域に対応する頭皮又は毛髪予測値を生成し、頭皮又は毛髪予測値に基づいて、ユーザの頭皮又は毛髪領域の頭皮又は毛髪予測値に基づく少なくとも1つの特徴に対処するように設計されたユーザ固有の処置を生成させる。
加えて、本明細書に記載されるように、ユーザ固有の皮膚又は毛髪データを分析して、ユーザ固有の皮膚又は毛髪状態を予測する、人工知能(AI)ベースの方法が開示される。AIベースの方法は、1つ以上のプロセッサ上で実行される頭皮毛髪分析アプリケーション(アプリ)において、ユーザのユーザ固有データを受信するステップであって、ユーザ固有データは、(1)ユーザの最後の洗浄データ、及び(2)ユーザの1つ以上の頭皮因子、ユーザの1つ以上の毛髪因子、又はユーザの洗浄頻度のうちの少なくとも1つ、を含む、ユーザの頭皮又は毛髪領域を定義する、ステップと、頭皮毛髪分析アプリによってアクセス可能な人工知能(AI)ベースの学習モデルによって、ユーザ固有のデータを分析して、ユーザの頭皮又は毛髪領域に対応する頭皮又は毛髪予測値を生成するステップであって、AIベースの学習モデルは、各個人の頭皮及び毛髪領域に関する訓練データを用いて訓練され、各個人の頭皮又は毛髪領域の1つ以上の特徴に対応する1つ以上の頭皮又は毛髪予測を出力するように構成されており、各個人の頭皮及び毛髪領域に関する訓練データは、各個人の最後の洗浄データ、及び頭皮因子のうちの1つ以上、1つ以上の毛髪因子、又は洗浄頻度のうちの少なくとも1つに対応する1つ以上の値から選択され、訓練データは、頭皮又は毛髪領域の1つ以上の特徴を決定するように構成された頭皮又は毛髪測定デバイスで生成されたデータを含む、ステップと、頭皮又は毛髪予測値に基づいて、頭皮毛髪分析アプリによって、ユーザの頭皮又は毛髪領域の頭皮又は毛髪予測値に基づく少なくとも1つの特徴に対処するように設計されたユーザ固有の処置を生成するステップと、を含む。
更に、本明細書に記載されるように、ユーザ固有の皮膚又は毛髪データを分析して、ユーザ固有の皮膚又は毛髪状態を予測するための命令を記憶する有形の非一時的コンピュータ可読媒体が開示される。命令は、1つ以上のプロセッサによって実行されると、1つ以上のプロセッサに、1つ以上のプロセッサ上で実行される頭皮毛髪分析アプリケーション(アプリ)において、ユーザのユーザ固有データを受信させることであって、ユーザ固有データは、(1)ユーザの最後の洗浄データ、及び(2)ユーザの1つ以上の頭皮因子、ユーザの1つ以上の毛髪因子、又はユーザの洗浄頻度のうちの少なくとも1つ、を含む、ユーザの頭皮又は毛髪領域を定義頭皮毛髪分析アプリによってアクセス可能な人工知能(AI)ベースの学習モデルによって、ユーザ固有のデータを分析させて、ユーザの頭皮又は毛髪領域に対応する頭皮又は毛髪予測値を生成することであって、AIベースの学習モデルは、各個人の頭皮及び毛髪領域に関する訓練データを用いて訓練され、各個人の頭皮又は毛髪領域の1つ以上の特徴に対応する1つ以上の頭皮又は毛髪予測を出力するように構成されており、各個人の頭皮及び毛髪領域に関する訓練データは、各個人の最後の洗浄データ、及び頭皮因子のうちの1つ以上、1つ以上の毛髪因子、又は洗浄頻度のうちの少なくとも1つに対応する1つ以上の値から選択され、訓練データは、頭皮又は毛髪領域の1つ以上の特徴を決定するように構成された頭皮又は毛髪測定デバイスで生成されたデータを含む、ことと、頭皮又は毛髪予測値に基づいて、頭皮毛髪分析アプリによって、ユーザの頭皮又は毛髪領域の頭皮又は毛髪予測値に基づく少なくとも1つの特徴に対処するように設計されたユーザ固有の処置を生成させることと、を行わせることができる。
上記及び本明細書の開示によれば、本開示は、少なくとも、本開示が、例えば、サーバ、又はそうでなければコンピューティングデバイス(例えば、ユーザコンピュータデバイス)の知能又は予測能力が訓練された(例えば、機械学習訓練された)AIベースの学習モデルによって強化される場合に、そのサーバ又はコンピューティングデバイスが改善されることを説明しているのという理由で、コンピュータ機能における改善、又は他の技術に対する改善を含む。サーバ又はコンピューティングデバイス上で実行されるAIベースの学習モデルは、他の個人のユーザ固有のデータに基づいて、ユーザ固有の頭皮又は毛髪領域特徴、頭皮若しくは毛髪予測値、及び/又はユーザの頭皮若しくは毛髪領域の頭皮若しくは毛髪予測値に基づく少なくとも1つの特徴に対処するように設計されたユーザ固有の処置のうちの1つ以上をより正確に識別することができる。すなわち、本開示は、サーバ又はユーザコンピューティングデバイスが、新たに提供された顧客回答/入力/画像などのユーザ固有のデータに基づいて、ユーザの皮膚又は毛髪状態を正確に予測、検出、又は決定するために、複数の訓練データ(例えば、各個人の頭皮及び毛髪領域に関する潜在的に数千個(以上)のユーザ固有のデータ)で強化されるという理由で、コンピュータ自体又は「任意の他の技術又は技術分野」の機能の改善を説明する。これは、少なくとも、既存のシステムがそのような予測又は分類機能を欠き、ユーザの頭皮又は毛髪領域の頭皮又は毛髪予測値に基づく少なくとも1つの特徴に対処するために予測結果を出力するためにユーザ固有のデータを正確に分析することが単純にできないという理由で、従来技術よりも改善している。
具体的には、本開示のシステム及び方法は、複数の個人の頭皮及び毛髪状態に関連する複数の臨床データ(例えば、頭皮皮脂及び頭皮ストレスデータ)を用いてAIベースの学習モデルを訓練することによる、従来の技法を超える改善を特徴とする。臨床データは、概して、複数の個人の各々に対するテキストアンケート回答の形態の個人の頭皮及び毛髪状態の個人の自己評価と、各個人の頭皮及び毛髪に対応する(例えば、頭皮又は毛髪測定デバイスを用いて収集された)物理的測定値とを含む。臨床データを使用して訓練されると、AIベースの学習モデルは、ユーザの画像を必要とせずに、従来の技法を使用して達成不可能な程度で、ユーザに関する高精度の頭皮及び毛髪状態予測を提供する。実際、本開示のAIベースのシステムは、ユーザ固有のデータ(例えば、アンケートへの回答)に基づいてユーザの頭皮及び毛髪状態値を予測するとき、約75%の精度を達成し、AIベースの学習モデルとユーザの実際の頭皮及び毛髪状態との間の、従来の技法が単純に達成することができない実質的な相関を反映する。更に、ある種の態様では、臨床データは、複数の個人のうちの各個人の自己評価に対応するユーザ固有の画像を含み、ユーザは、ユーザ固有の画像をユーザ固有のデータの一部として更に提出する。これらの態様では、AIベースの学習モデルの精度が更に高められ、従来の技法が提供することができない、ユーザに関する信じられないほど高精度の頭皮及び毛髪予測を提供する。
同様の理由で、本開示は、少なくとも、本開示が、頭皮及び毛髪ケア分野並びに頭皮及び毛髪ケア製品分野におけるコンピューティングデバイスへの改善を説明又は導入し、それによって、撮像デバイス又はコンピューティングデバイス上で実行する訓練されたAIベースの学習モデルが、頭皮及び毛髪領域ケア、並びにその頭皮及び毛髪ケア製品の化学製剤の分野を、ユーザ固有のデータ及び/又は画像のAI及び/又はデジタルベースの分析を用いて改善して、予測結果を出力し、(1)ユーザの最後の洗浄データ、及び(2)ユーザの1つ以上の頭皮因子、ユーザの1つ以上の毛髪因子、又はユーザの洗浄頻度のうちの少なくとも1つ、を含むユーザの頭皮又は毛髪領域を定義するユーザ固有のデータ内で識別可能な少なくとも1つの特徴に対処するという理由で、他の技術又は技術分野に対する改善に関する。
更に、本開示は、少なくとも、本開示が頭皮及び毛髪ケア分野並びに頭皮及び毛髪製品分野におけるコンピューティングデバイスに対する改善を説明又は導入し、それによって、コンピューティングデバイス及び/又は撮像デバイス上で実行される訓練されたAIベースの学習モデルが、基礎となるコンピュータデバイス(例えば、サーバ及び/又はユーザコンピューティングデバイス)を改善し、そのようなコンピュータデバイスが、所与の機械学習ネットワークアーキテクチャの構成、調整、又は適合によってより効率的にされるという理由で、他の技術又は技術分野に対する改善に関する。例えば、いくつかの態様では、深度、幅、画像サイズ、又は他の機械学習ベースの次元要件を低減することを含む、画像を分析するために必要とされる機械学習ネットワークアーキテクチャを減少させることによって計算リソースを減少させることによって、使用される機械リソース(例えば、処理サイクル又はメモリストレージ)がより少なくなっている。そのような低減は、基礎となるコンピューティングシステムの計算リソースを解放し、それによって、それをより効率的にする。
加えて、本開示は、AIベースの学習モデルを訓練するために使用される訓練データを生成する、特定の機械、例えば、頭皮又は毛髪測定デバイスと共に、又はそれを使用することによって、特許請求の範囲の要素のうちのいくつかを適用することを含む。
加えて、本開示は、当技術分野においてよく理解されている、日常的な、従来の活動以外の特定の特徴、又は特許請求の範囲を特定の有用な用途に限定する非従来的なステップ、例えば、ユーザの頭皮又は毛髪領域を定義するユーザ固有のデータを分析して、頭皮又は毛髪予測値、及びユーザの頭皮又は毛髪領域の頭皮又は毛髪予測値に基づく少なくとも1つの特徴に対処するように設計されたユーザ固有の処置を生成するステップを追加することを含む。
例解を介して図示及び説明されている好ましい態様に関する以下の説明から、利点が、当業者に対してより明らかになるであろう。これから理解されるように、本態様は、他の及び異なる態様が可能であり得、それらの詳細は、様々な態様において修正が可能である。したがって、図面及び説明は、本質的に例解的であるとしてみなされるべきであり、限定的であるとしてみなされるべきではない。
以下に説明される図は、本明細書に開示されるシステム及び方法の様々な態様を描写する。各図は、開示されるシステム及び方法の特定の態様の態様を描写していること、並びに、図の各々は、それらの可能性のある態様に合致することが意図されていることを理解されたい。更に、可能な限り、以下の説明は、以下の図に含まれる参照数字を参照しており、その中で、複数の図に描写されている特徴は、首尾一貫した参照数字を用いて指定される。
図面には、現在考察されている配設が示されているが、その現在の態様は、示されている厳密な配設及び手段に限定されないことを理解されたい。
本明細書で開示される様々な態様による、ユーザ固有の皮膚又は毛髪データを分析して、ユーザ固有の皮膚又は毛髪状態を予測するように構成された例示的な人工知能(AI)ベースのシステムを例解する図である。
本明細書で開示される様々な態様による、AIベースの学習モデルを訓練及び/又は実装するために使用され得る例示的なアンケート相関図を例解する図である。
本明細書で開示される様々な態様による、AIベースの学習モデルの出力に相関する頭皮因子及び毛髪因子を有する例示的な相関表である。
本明細書で開示される様々な態様による、ユーザ固有の皮膚又は毛髪データを分析して、ユーザ固有の皮膚又は毛髪状態を予測するためのAIベースの方法を例解する図である。
本明細書に開示される様々な態様による、ユーザコンピューティングデバイスのディスプレイ画面上でレンダリングされた例示的なユーザインターフェースを例解する図である。
本明細書に開示される様々な態様による、ユーザコンピューティングデバイスのディスプレイ画面上でレンダリングされた別の例示的なユーザインターフェースを例解する図である。
これらの図は、例解のみを目的として、好ましい態様を描写している。本明細書に例解されるシステム及び方法の代替的な態様は、本明細書に記載の発明の原理から逸脱することなく採用され得る。
図1は、本明細書で開示される様々な態様による、ユーザ固有の皮膚又は毛髪データを分析して、ユーザ固有の皮膚又は毛髪状態を予測するように構成された例示的なAIベースのシステム100を例解する。概して、本明細書で言及されるように、ユーザ固有の皮膚又は毛髪データは、ユーザコンピューティングデバイスのディスプレイ及び/又はユーザインターフェースを介してユーザに提示される、ユーザの頭皮及び/又は毛髪の状態に関するユーザへの質問/プロンプトに関連するユーザ回答/入力を含み得る。例えば、ユーザ固有の皮膚又は毛髪データは、ユーザが最後に自分の毛髪を洗浄したとき(例えば、3時間前、1日前、5日前など)及びユーザがかなりの量の頭皮乾燥を経験したことを示すユーザ回答を含み得る。ある種の態様では、ユーザ固有の皮膚又は毛髪データはまた、ユーザの頭部、より詳細にはユーザの頭皮の画像を含み得る。
図1の例示的な態様では、AIベースのシステム100は、サーバ102を含み、このサーバは、1つ以上のコンピュータサーバを含み得る。様々な態様では、サーバ102は、複数のサーバを含み、これらのサーバは、サーバファームの一部として、複数の冗長な又は複製されたサーバを含み得る。なおも更なる態様では、サーバ102は、クラウドベースのコンピューティングプラットフォームなどのクラウドベースのサーバとして実装され得る。例えば、サーバ102は、MICROSOFT AZURE、AMAZON AWSなどの任意の1つ以上のクラウドベースのプラットフォームであってもよい。サーバ102は、1つ以上のプロセッサ104と、1つ以上のコンピュータメモリ106と、AIベースの学習モデル108と、を含み得る。
メモリ106には、読み取り専用メモリ(read-only memory、ROM)、電子プログラマブル読み取り専用メモリ(electronic programmable read-only memory、EPROM)、ランダムアクセスメモリ(random access memory、RAM)、消去可能電子プログラマブル読み取り専用メモリ(erasable electronic programmable read-only memory、EEPROM)、及び/又は他のハードドライブ、フラッシュメモリ、MicroSDカードなどの、1つ以上の形態の揮発性及び/又は不揮発性の固定された及び/又は取り外し可能メモリが含まれ得る。メモリ106は、本明細書で考察されるように、機能、アプリ、方法、又は他のソフトウェアを容易にすることができるオペレーティングシステム(operating system、OS)(例えば、Microsoft Windows、Linux、UNIXなど)を格納することができる。メモリ106はまた、本明細書に記載されるように、様々な訓練データ(例えば、各個人の頭皮及び毛髪領域に関する潜在的に数千個(以上)のユーザ固有のデータ)、及びある種の態様では、画像(例えば、画像114)に対して訓練された機械学習モデルであり得る、AIベースの学習モデル108を記憶し得る。追加的に、又は代替的に、AIベースの学習モデル108はまた、データベース105内にも格納され得、このデータベースは、サーバ102にアクセス可能であるか、又はそうでなければ通信可能に結合される。加えて、メモリ106はまた、機械可読命令も格納し得、この機械可読命令は、1つ以上のアプリケーション(例えば、本明細書に記載されるような頭皮及び毛髪アプリケーション)、1つ以上のソフトウェアコンポーネント、及び/又は1つ以上のアプリケーションプログラミングインターフェース(application programming interfaces、API)のうちのいずれかを含み、それらは、本明細書の様々なフロー図、例解図、略図、図、及び/又は他の開示について例解、描写、又は説明されているように、任意の方法、プロセス、要素、又は制限などの、本明細書に記載の特徴、機能、又は他の開示を容易にするか又は実行するように実装され得る。例えば、アプリケーション、ソフトウェアコンポーネント、又はAPIのうちの少なくともいくつかは、AIベースの学習モデル108などのAIベースの機械学習モデル又はコンポーネントであり得る、それらを含み得、そうでなければそれらの部分であり得、この場合、各々は、本明細書で考察されるそれらの様々な機能を容易にするように構成され得る。1つ以上の他のアプリケーションが想定され得、プロセッサ104によって実行されることを理解されたい。
プロセッサ104は、プロセッサ104及びメモリ106との間で、電子データ、データパケット、又はそうでなければ電子信号を伝送することを担うコンピュータバスを介してメモリ106に接続されて、本明細書内の様々なフロー図、例解図、略図、図、及び/又は他の開示について例解、描写、又は説明されているように、機械可読命令、方法、プロセス、要素、又は制限を実装又は実行し得る。
プロセッサ104は、コンピュータバスを介してメモリ106とインターフェース接続して、オペレーティングシステム(OS)を実行し得る。プロセッサ104はまた、コンピュータバスを介してメモリ106ともインターフェース接続して、メモリ106及び/又はデータベース104(例えば、Oracle、DB2、MySQLなどのリレーショナルデータベース、又はMongoDBなどのNoSQLベースのデータベース)に格納されるデータの作成、読み取り、更新、削除、又はそうでなければ当該データへのアクセス若しくは当該データとの対話を行うことができる。メモリ106及び/又はデータベース105に格納されたデータは、例えば、訓練データ(例えば、ユーザコンピューティングデバイス111c1~111c3及び/若しくは112c1~112c3、並びに/又は頭皮若しくは毛髪測定デバイス111c4によって収集されるような);画像及び/若しくはユーザ画像(例えば、画像114を含む);並びに/又は、人口統計、年齢、人種、皮膚タイプ、毛髪タイプ、髪型などを含むユーザの他の情報及び/若しくは画像、又は本明細書に別途記載されるものを含む、本明細書に記載のデータ又は情報の全て又は一部を含み得る。
サーバ102は、1つ以上の外部/ネットワークポートを介して、本明細書に記載のコンピュータネットワーク120及び/又はターミナル109(レンダリング又は視覚化するための)などの1つ以上のネットワーク又はローカルターミナルにデータを伝達(例えば、送信及び受信)するように構成された通信コンポーネントを更に含むことができる。いくつかの態様では、サーバ102は、電子リクエストを受信及び応答することを担う、ASP.NET、Java J2EE、Ruby on Rails、Node.js、ウェブサービス、又はオンラインAPIなどのクライアントサーバプラットフォーム技術を含むことができる。サーバ102は、コンピュータバスを介して、メモリ106(その中に格納されたアプリケーション、コンポーネント、API、データ等を含む)及び/又はデータベース105と対話することができるクライアントサーバプラットフォーム技術を実装して、本明細書内の様々なフロー図、説明図、略図、図、及び/又は他の開示について例示、図示、又は説明されているように、機械可読命令、方法、プロセス、要素、又は制限を実現又は実行することができる。
様々な態様では、サーバ102は、IEEE標準規格、3GPP標準規格、又は他の標準規格に従って機能し、コンピュータネットワーク120に接続された外部/ネットワークポートを介してデータの受信及び伝送に使用され得る1つ以上の送受信機(例えば、WWAN、WLAN、及び/若しくはWPAN送受信機)を含むか、又はそれと対話し得る。いくつかの態様では、コンピュータネットワーク120は、プライベートネットワーク又はローカルエリアネットワーク(local area network、LAN)を含み得る。追加的に、又は代替的に、コンピュータネットワーク120は、インターネットなどの公衆ネットワークを含み得る。
サーバ102は、管理者又はオペレータに情報を提示し、かつ/又は管理者又はオペレータから入力を受信するように構成されたオペレータインターフェースを更に含むか、又は実装し得る。図1に示されるように、オペレータインターフェースは、ディスプレイ画面を提供し得る(例えば、端末109を介して)。サーバ102はまた、I/Oコンポーネント(例えば、ポート、容量性又は抵抗性タッチセンシティブ入力パネル、キー、ボタン、照明、LED)も提供し得、それらは、撮像サーバ102を介して直接アクセス可能であり得、若しくはそのサーバに取り付けられ得るか、又は端末109を介して間接的にアクセス可能であり得るか、若しくはその端末に取り付けられ得る。いくつかの態様によれば、管理者又はオペレータは、端末109を介してサーバ102にアクセスして、情報を再調査し、変更を行い、訓練データ若しくは画像を入力し、AIベースの学習モデル108の訓練を開始し、かつ/又は他の機能を実行し得る。
本明細書に記載されるように、いくつかの態様では、サーバ102は、「クラウド」ネットワークの部分として本明細書で考察されたような機能を実行し得るか、又はそうでなければクラウド内の他のハードウェア又はソフトウェアコンポーネントと通信して、本明細書に記載のデータ又は情報を送信し、取り出し、又はそうでなければ分析し得る。
概して、コンピュータプログラム若しくはコンピュータベース製品、アプリケーション、又はコード(例えば、本明細書に記載のAIモデルなどのモデル若しくは他のコンピューティング命令)は、内部に具現化されたそのようなコンピュータ可読プログラムコード若しくはコンピュータ命令を有するコンピュータ使用可能記憶媒体、又は有形の非一時的コンピュータ可読媒体(例えば、標準的なランダムアクセスメモリ(RAM)、光ディスク、ユニバーサルシリアルバス(universal serial bus、USB)ドライブなど)上に格納され得、コンピュータ可読プログラムコード又はコンピュータ命令は、プロセッサ104(例えば、メモリ106内のそれぞれのオペレーティングシステムに関連して作業する)上にインストールされ得るか、又はそうでなければそのプロセッサによって実行されるように適合されて、本明細書内の様々なフロー図、例解図、略図、図、及び/又は他の開示について例解、描写、又は説明されているように、機械可読命令、方法、プロセス、要素、又は制限を容易にし、実装し、又は実行することができる。これに関して、プログラムコードは、任意の所望のプログラム言語で実装され得、機械コード、アセンブリコード、バイトコード、インタープリット型ソースコードなどとして(例えば、Golang、Python、C、C++、C#、Objective-C、Java、Scala、ActionScript、JavaScript、HTML、CSS、XMLなどを介して)実装され得る。
図1に示されるように、サーバ102は、コンピュータネットワーク120を介して1つ以上のユーザコンピューティングデバイス111c1~111c4に、かつ/又は、基地局111b及び112bを介して、112c1~112c4に、通信可能に接続されている。いくつかの態様では、基地局111b及び112bは、セルタワーなどのセルラー基地局を含むことができ、それらは、NMT、GSM、CDMA、UMMTS、LTE、5Gなどを含む、様々な携帯電話標準規格のうちの任意の1つ以上に基づいて、無線通信121を介して、1つ以上のユーザコンピューティングデバイス111c1~111c4、及び112c1~112c4と通信する。追加的に、又は代替的に、基地局111b及び112bは、非限定的な例によってIEEE802.11a/b/c/g(WIFI)、BLUETOOTH標準規格などを含む、様々な無線標準規格のうちの任意の1つ以上に基づいて、無線通信122を介して1つ以上のユーザコンピューティングデバイス111c1~111c4、及び112c1~112c4と通信するルータ、無線スイッチ、又は他のそのような無線接続ポイントを含み得る。
1つ以上のユーザコンピューティングデバイス111c1~111c4及び/又は112c1~112c4のうちのいずれかは、サーバ102にアクセスし、かつ/又はそれと通信するためのモバイルデバイス及び/若しくはクライアントデバイスを備え得る。そのようなクライアントデバイスは、本明細書に記載されるような画像(例えば、画像114)などの画像を取り込むための1つ以上のモバイルプロセッサ及び/又は撮像デバイスを備え得る。様々な態様では、ユーザコンピューティングデバイス111c1~111c3及び/又は112c1~112c3は、非限定的な例によって、APPLE iPhone若しくはiPadデバイス、又はGOOGLE ANDROIDベースの携帯電話若しくはテーブルを含む、携帯電話(例えば、セルラー電話)、タブレットデバイス、パーソナルデータアシスタンス(personal data assistance、PDA)などを含み得る。
ある種の態様では、ユーザコンピューティングデバイス111c1~111c3、112c1~112c3のいずれも、1つ以上の皮脂画像の画素データ内で識別可能なヒトの皮脂の量を定義する1つ以上の皮脂画像を含む画像データを取り込むように構成された一体型カメラを備え得る。例えば、ユーザコンピューティングデバイス111c3は、カメラレンズ上に皮脂を分布させ、それによって1つ以上の皮脂画像を含む画像データを取り込むために、ユーザがユーザの皮膚表面(例えば、頭皮又は毛髪)に適用(本明細書では「タッピング」と呼ぶ)することができるレンズを含む一体型カメラを有するスマートフォンであってもよい。これらの例では、ユーザコンピューティングデバイス111c3は、デバイス111c3のプロセッサに、取り込まれた皮脂画像を分析させ、取り込まれた皮脂画像内に表されるヒトの皮脂の量及び/又はタイプを決定させる命令を含み得る。更に、これらの例では、皮脂画像は、完全に分解された視覚化を含まないことがあるが、代わりに、デバイス111c3のプロセッサが分析し、既知の皮脂パターン/分布と照合して、カメラレンズにわたって分布した皮脂の量を決定することができる皮脂パターンを特徴付けることができる。デバイス111c3のプロセッサは、それによって、カメラレンズにわたって分布した皮脂の量を外挿して、ユーザの頭皮/額にわたって分布した可能性のある皮脂の量を決定し得る。
ある種の態様では、ユーザコンピューティングデバイス111c4は、ユーザの頭皮又は毛髪の1つ以上の因子を測定するためにユーザが使用し得る頭皮又は毛髪測定デバイスであり得る。具体的には、頭皮又は毛髪測定デバイス111c4は、反応性テープ又は他の基材をユーザの皮膚表面に適用するように構成されたプローブ又は他の装置を含み得る。反応性テープ又は他の基材は、ユーザの皮膚表面から油(例えば、皮脂)を吸収するか、又は別の方法で持ち上げることができ、次いで、反応性テープ又は他の基材上に存在する残留物の量及びタイプに基づいて、光学測定プロセスを使用して油を定量的に測定することができる。特定の例として、頭皮又は毛髪測定デバイス111c4は、COURAGE+KHAZAKA ELECTRONIC GMBHによって開発されたSEBUMETER SM 815デバイスであってもよい。この例では、ユーザは、マットテープを有するプローブをユーザの頭皮又は毛髪に適用して、マットテープに皮脂を適用することができる。次いで、ユーザは、ユーザの頭皮又は毛髪の皮脂レベルを決定するために、グリーススポット光度計を使用してテープ上に存在する皮脂含有量を評価してもよい。
追加の態様では、ユーザコンピューティングデバイス112c4は、ユーザの頭皮又は毛髪の詳細な画像を取り込むためにユーザが使用し得るポータブル顕微鏡デバイスであり得る。具体的には、ポータブル顕微鏡デバイス112c4は、ユーザの頭皮又は毛髪領域の画像(例えば、画像202a、202b、及び/又は202cのいずれか1つ以上)をほぼ顕微鏡レベルで取り込むように構成される顕微鏡カメラを含み得る。例えば、ユーザコンピューティングデバイス111c1~111c4及び112c1~112c3のいずれとも異なり、ポータブル顕微鏡デバイス112c4は、ユーザの頭皮又は毛髪との物理的接触を維持しながら、ユーザの頭皮又は毛髪領域の詳細な高倍率(例えば、60~200倍の倍率で2メガピクセル)画像を取り込み得る。特定の例として、ポータブル顕微鏡デバイス112c4は、ARAM HUVISによって開発されたAPI 202 HAIR SCALP ANALYSISデバイスであってもよい。ある種の態様では、ポータブル顕微鏡デバイス112c4はまた、取り込まれた画像及び/又は画像分析の結果をユーザに表示するように構成されたディスプレイ又はユーザインターフェースを含み得る。
追加的に、又は代替的に、頭皮又は毛髪測定デバイス111c4及び/又はポータブル顕微鏡デバイス112c4は、WiFi接続、BLUETOOTH接続、及び/又は任意の他の好適な無線接続を介して、ユーザコンピューティングデバイス111c1、112c1(例えば、ユーザのモ携帯電話)に通信可能に結合されてもよく、頭皮又は毛髪測定デバイス111c4及び/又はポータブル顕微鏡デバイス112c4は、種々の動作プラットフォーム(例えば、Windows、iOS、Androidなど)と互換性があり得る。したがって、頭皮又は毛髪測定デバイス111c4及び/又はポータブル顕微鏡デバイス112c4は、分析及び/又はユーザへの表示のために、ユーザの頭皮又は毛髪因子及び/又は取り込まれた画像をユーザコンピューティングデバイス111c1、112c1に伝送し得る。更に、ポータブル顕微鏡デバイス112c4は、ユーザの頭皮の高品質ビデオを取り込むように構成され得、ポータブル顕微鏡デバイス112c4及び/又は通信可能に結合されたユーザコンピューティングデバイス112c1(例えば、ユーザの携帯電話)のディスプレイにユーザの頭皮の高品質ビデオをストリーミングし得る。ある種の追加の態様では、頭皮又は毛髪測定デバイス111c4及び/又はポータブル顕微鏡デバイス112c4並びに通信可能に接続されたユーザコンピューティングデバイス111c1、112c1の各々のコンポーネントは、単一のデバイスに組み込まれ得る。
追加の態様では、ユーザコンピューティングデバイス111c1~111c3及び/又は112c1~112c3は、小売コンピューティングデバイス(retail computing device)を備え得る。小売コンピューティングデバイスは、本明細書に記載されるようなAIベースの学習モデル108を実装するための、又は(例えば、サーバ102を介して)AIベースの学習モデル108と通信するためのプロセッサ及びメモリを有することを含む、例えば、ユーザコンピューティングデバイス111c1~111c3及び112c1~112c3に関して本明細書に記載されるようなモバイルデバイスと同じ又は同様の様式で構成されたユーザコンピュータデバイスを備え得る。追加的に、又は代替的に、小売コンピューティングデバイスは、小売環境のユーザ及び/又は顧客が、小売環境内の現場でAIベースのシステム及び方法を利用することを可能にするように、小売環境内に位置し、設置され、又はそうでなければ位置決めされ得る。例えば、小売コンピューティングデバイスは、ユーザによるアクセスのためにキオスク内に設置され得る。ユーザは、次いで、アンケートに回答し、及び/又は本明細書に記載されるAIベースのシステム及び方法を実装するために、画像を(例えば、ユーザモバイルデバイスから)キオスクにアップロード若しくは転送し得る。追加的に、又は代替的に、キオスクは、ユーザがアップロード及び転送のために自身の新しい画像を(例えば、保証される場合、プライベート様式で)撮影することを可能にするようにカメラを伴って構成され得る。そのような態様では、ユーザ又は消費者自身は、本明細書に記載されるように、小売コンピューティングデバイスのディスプレイ画面上で、ユーザの頭皮又は毛髪領域に関するユーザ固有の処置を受信及び/又はレンダリングされるように、小売コンピューティングデバイスを使用することができる。
追加的に、又は代替的に、小売コンピューティングデバイスは、現場でユーザ又は消費者と対話するために小売環境の従業員又は他の人員によって携行されるような(本明細書に記載されるような)モバイルデバイスであり得る。そのような態様では、ユーザ又は消費者は、小売コンピューティングデバイスを介して(例えば、アンケートへの回答を提供することによって、ユーザのモバイルデバイスから小売コンピューティングデバイスに画像を転送することによって、又は小売コンピューティングデバイスのカメラによって新しい画像を取り込むことによって)、小売環境の従業員又はそうでなければ人員と対話して、本明細書に記載されるように、小売コンピューティングデバイスのディスプレイ画面上で、ユーザの頭皮又は毛髪領域に関するユーザ固有の処置を受信及び/又はレンダリングすることが可能であり得る。
様々な態様では、1つ以上のユーザコンピューティングデバイス111c1~111c3及び/又は112c1~112c4は、APPLEのiOS及び/若しくはGOOGLEのANDROIDオペレーションシステムなどのオペレーティングシステム(OS)又はモバイルプラットフォームを実装又は実行し得る。1つ以上のユーザコンピューティングデバイス111c1~111c3及び/又は112c1~112c3のうちのいずれも、本明細書内の様々な態様に記載されているように、コンピューティング命令又はコード、例えば、モバイルアプリケーション又はホーム若しくはパーソナルアシスタントアプリケーションを格納、実装、又は実行するための1つ以上のプロセッサ及び/又は1つ以上のメモリを含み得る。図1に示されるように、本明細書に記載されるAIベースの学習モデル108及び/若しくは撮像アプリケーション、又はそれらの少なくとも一部分はまた、ユーザコンピューティングデバイス(例えば、ユーザコンピューティングデバイス111c1)のメモリ上にローカルに格納され得る。
ユーザコンピューティングデバイス111c1~111c4及び/又は112c1~112c4は、基地局111b及び/又は112bとの間で無線通信121及び/又は122を受信及び伝送するための無線送受信機を備え得る。様々な態様では、ユーザ固有のデータ(例えば、ユーザコンピューティングデバイス111c1上に提示されたアンケートに対するユーザ回答/入力、頭皮又は毛髪測定デバイス111c4によって取得された測定データ)及び/又は画素ベースの画像(例えば、画像114)は、モデル(例えば、AIベースの学習モデル108)の訓練及び/又は本明細書に記載される分析のために、コンピュータネットワーク120を介してサーバ102に伝送され得る。
加えて、1つ以上のユーザコンピューティングデバイス111c1~111c3及び/又は112c1~112c4は、デジタル画像及び/又はフレーム(例えば、画像114)を取り込む又は撮影するための撮像デバイス及び/又はデジタルビデオカメラを含み得る。各デジタル画像は、本明細書に記載されるように、AI又は機械学習モデルなどのモデルを訓練又は実装するための画素データを含み得る。例えば、ユーザコンピューティングデバイス111c1~111c3及び/又は112c1~112c4のうちのいずれかの撮像デバイス及び/又はデジタルビデオカメラは、デジタル画像(例えば、画素ベースの画像114)の撮影、取り込み、又はそうでなければ生成を行うように構成され得、少なくともいくつかの態様では、そのような画像をそれぞれのユーザコンピューティングデバイスのメモリに格納し得る。追加的に、又は代替的に、そのようなデジタル画像はまた、サーバ102のメモリ106及び/又はデータベース105に伝送及び/又は格納され得る。
なおも更に、1つ以上のユーザコンピュータデバイス111c1~111c3及び/又は112c1~112c4の各々は、グラフィック、画像、テキスト、製品、ユーザ固有の処置、データ、画素、特徴、及び/又は本明細書に記載されるような他の視覚化若しくは情報を表示するためのディスプレイ画面を含み得る。様々な態様では、グラフィック、画像、テキスト、製品、ユーザ固有の処置、データ、画素、特徴、及び/又は他のそのような視覚化若しくは情報は、ユーザコンピュータデバイス111c1~111c3及び/又は112c1~112c4のうちの任意の1つ以上のディスプレイ画面上に表示するために、サーバ102から受信され得る。追加的に、又は代替的に、ユーザコンピューティングデバイスは、少なくとも部分的に、そのディスプレイ画面上にテキスト及び/又は画像を表示するためのインターフェース又はガイド付きユーザインターフェース(guided user interface、GUI)を、備え得るか、実装し得るか、それへのアクセスを有し得るか、レンダリングし得るか、又は別な方法で露出させ得る。
いくつかの態様では、サーバ(例えば、サーバ102)において及び/又はモバイルデバイス(例えば、モバイルデバイス111c1)において実行するコンピューティング命令及び/又はアプリケーションは、本明細書に記載されるように、(1)ユーザの最後の洗浄データ、及び(2)ユーザの1つ以上の頭皮因子、ユーザの1つ以上の毛髪因子、又はユーザの洗浄頻度のうちの少なくとも1つ、を含む、ユーザの頭皮又は毛髪領域を定義するユーザ固有のデータを分析して、ユーザ固有の処置を生成するために、通信可能に接続され得る。例えば、サーバ102の1つ以上のプロセッサ(例えば、プロセッサ104)は、コンピュータネットワーク(例えば、コンピュータネットワーク120)を介して、モバイルデバイスに通信可能に結合され得る。説明を容易にするために、ユーザ固有のデータ及び最後の洗浄データは、本明細書では一括して「ユーザ固有のデータ」と呼ばれ得る。
図2は、本明細書で開示される様々な態様による、AIベースの学習モデルを訓練及び/又は実装するために使用され得る例示的なアンケート相関図200を例解する。概して、アンケート相関図200は、ユーザ固有のデータ(例えば、頭皮因子セクション202a、毛髪因子セクション202b、及び最後の洗浄セクション202cの各々)と、頭皮及び毛髪予測値(例えば、頭皮品質スコアセクション206a、頭皮ターンオーバーセクション206b、頭皮ストレスレベルセクション206c、及び毛髪ストレスレベルセクション206dの各々)とを関連付けるために、AIベースの学習モデルによって決定及び/又は利用される様々な相関によって入力又は使用されるユーザデータ又は情報を表すか、又はそれに対応し得る。ユーザは、頭皮毛髪分析アプリケーション(アプリ)を実行することができ、アプリは次に、セクション202a、202b、及び/又は202cに提供されるものと同様のセクション/プロンプトを含み得るユーザインターフェースを表示し得る。ユーザがセクションのうちの1つ以上に含まれる因子のうちの1つ以上を示す場合、AIベースの学習モデルは、ユーザ固有のデータを分析して、頭皮及び毛髪予測値を生成し得、頭皮毛髪分析アプリは、セクション206a、206b、206c、及び/又は206dと同様のセクションを含み得るユーザインターフェースをレンダリングし得る。
ユーザ固有のデータは、ユーザの頭皮の1つ以上の頭皮因子に向けられたユーザ固有のデータを提供するようにユーザに促し、ユーザが指定できるオプションを提供する頭皮因子セクション202aを含み得る。例えば、頭皮因子セクション202aは、ユーザが何らかの頭皮問題を経験しているか否かをユーザに問い合わせてもよく、ユーザが頭皮因子セクション202aの一部として提示されたオプションのうちの1つ以上を選択することを要求してもよい。1つ以上のオプション(例えば、頭皮因子)は、例えば、頭皮乾燥、頭皮油性、ふけ、こわばり、発赤、不快な頭皮臭、かゆみ、知覚されない問題、及び/又は任意の他の好適な頭皮因子、又はこれらの組み合わせを含み得る。ユーザは、例えば、ユーザのコンピューティングデバイス(例えば、ユーザコンピューティングデバイス111c1)上で実行される頭皮毛髪分析アプリのユーザインターフェースとの相互作用を通して、各適用可能な頭皮因子を示し得る。ユーザによって示された各頭皮因子について、AIベースの学習モデルは、示された頭皮因子をユーザ固有のデータの分析の一部として組み込んで、ユーザの頭皮及び毛髪予測値(例えば、206a、206b、206c、206dの各々)を生成し得る。すなわち、頭皮因子相関204aは、AIベースの学習モデルが、示された頭皮因子に部分的に基づいて、ユーザの頭皮及び毛髪予測値を生成するために決定及び/又は利用し得る多重相関を示す。
加えて、ユーザ固有のデータは、ユーザの毛髪の1つ以上の毛髪因子に向けられたユーザ固有のデータを提供するようにユーザに促し、ユーザが指定できるオプションを提供する毛髪因子セクション202bを含み得る。例えば、毛髪因子セクション202bは、ユーザが何らかの毛髪問題を経験しているか否かをユーザに問い合わせてもよく、ユーザが毛髪因子セクション202bの一部として提示されたオプションのうちの1つ以上を選択することを要求してもよい。1つ以上のオプション(例えば、毛髪因子)は、例えば、扱いにくさ、抜け毛、毛髪のボリューム、薄毛、もつれをほぐすこと、毛髪油性、乾燥、毛髪の匂い、知覚されない問題、及び/又は任意の他の好適な毛髪因子、又はこれらの組み合わせを含み得る。ユーザは、例えば、ユーザのコンピューティングデバイス(例えば、ユーザコンピューティングデバイス111c1)上で実行される頭皮毛髪分析アプリのユーザインターフェースとの相互作用を通して、各適用可能な毛髪因子を示し得る。ユーザによって示された各毛髪因子について、AIベースの学習モデルは、示された毛髪因子をユーザ固有のデータの分析の一部として組み込んで、ユーザの頭皮及び毛髪予測値(例えば、206a、206b、206c、206dの各々)を生成し得る。すなわち、毛髪因子相関204bは、AIベースの学習モデルが、示された毛髪因子に部分的に基づいて、ユーザの頭皮及び毛髪予測値を生成するために決定及び/又は利用し得る多重相関を示す。
更に、ユーザ固有のデータは、ユーザの毛髪の最後の洗浄に向けられたユーザ固有のデータを提供するようにユーザに促し、ユーザが指定できるオプションを提供する最後の洗浄セクション202cを含み得る。一般に、頭皮及び毛髪の皮脂並びに他の特徴は、ユーザが最後に自分の毛髪を洗浄したときに基づいて、実質的に経時的に蓄積及び/又は変化する。したがって、AIベースの学習モデルによって出力される頭皮又は毛髪予測の各々は、最後の洗浄セクション202cに対するユーザの回答によって著しく影響を受ける。例えば、最後の洗浄セクション202cは、ユーザが彼らの毛髪を最後に洗浄した時間に関してユーザに問い合わせてもよく、ユーザが最後の洗浄セクション202cの一部として提示されたオプションのうちの1つ以上を選択することを要求してもよい。1つ以上のオプション(例えば、最後の洗浄)は、例えば、アンケートへの回答/入力を提供する3時間未満前、アンケートへの回答/入力を提供する24時間未満前、アンケートへの回答/入力を提供する24時間超前、及び/又は任意の他の好適な最後の洗浄データ、又はこれらの組み合わせを含み得る。当然ながら、最後の洗浄セクション202cにおいて提示される1つ以上のオプションは、スライドスケール及び/又はユーザが最後に自分の毛髪を洗浄してからの時間数、日数などを示す手動で入力された(例えば、ユーザのモバイルデバイス上のキーボード又は仮想的にレンダリングされたキーボードをタイプすることによって)数値など、ユーザが最後に自分の毛髪を洗浄したときにユーザが入力するための任意の好適なオプションを含み得ることを理解されたい。
いずれにせよ、ユーザは、例えば、ユーザのコンピューティングデバイス(例えば、ユーザコンピューティングデバイス111c1)上で実行される頭皮毛髪分析アプリのユーザインターフェースとの相互作用を通して、適用可能な最後の洗浄オプションを示し得る。ユーザが最後の洗浄オプションを示すとき、AIベースの学習モデルは、示された最後の洗浄オプションをユーザ固有のデータの分析の一部として組み込んで、ユーザの頭皮及び毛髪予測値(例えば、206a、206b、206c、206dの各々)を生成し得る。すなわち、最後の洗浄相関204cは、AIベースの学習モデルが、ユーザの毛髪の示された最後の洗浄に部分的に基づいて、ユーザの頭皮及び毛髪予測値を生成するために決定及び/又は利用し得る多重相関を示す。
頭皮及び毛髪予測値は、ユーザの頭皮品質スコアを表示し得る、頭皮品質スコアセクション206aを含み得る。例えば、AIベースの学習モデルが(例えば、頭皮因子セクション202a、毛髪因子セクション202b、及び/又は最後の洗浄セクション202cの各々から導出された)ユーザ固有のデータを分析した結果として、AIベースの学習モデルは、グラフィカルスコア206a1によって表される、ユーザの頭皮品質スコアを生成し得る。グラフィカルスコア206a1は、ユーザの頭皮品質スコアが、例えば、4の潜在的最大スコアのうちの3.5であることをユーザに示し得る。しかしながら、頭皮品質スコアは、グラフィカルレンダリング(例えば、グラフィカルスコア206a1)、英数字値、色値、及び/又は任意の他の好適な表現、又はこれらの組み合わせとしてユーザに表され得ることを理解されたい。
更に、AIベースの学習モデルはまた、頭皮又は毛髪予測値の一部として、(例えば、グラフィカルスコア206a1によって表される)受信された頭皮品質スコアについてユーザに通知し得る頭皮品質スコア記述206a2を生成し得る。頭皮毛髪分析アプリは、AIベースの学習モデルがユーザ固有のデータの分析を完了すると、頭皮品質スコア記述206a2をユーザインターフェースの一部としてレンダリングし得る。頭皮品質スコア記述206a2は、例えば、スコアの減少につながる優勢な頭皮/毛髪因子及び/若しくは最後の洗浄データ、頭皮及び/若しくは毛髪の問題を引き起こす内因性/外因性因子、並びに/又は任意の他の情報、又はこれらの組み合わせの記述を含み得る。一例として、頭皮品質スコア記述206a2は、ユーザに、彼らの頭皮ターンオーバーがわずかに調節不全であり、結果として、ユーザが扱いにくい毛髪を経験し得ることを通知し得る。更にこの例では、頭皮品質スコア記述206a2は、紫外線(UV)放射、汚染、及び酸化剤などの刺激物が、調節されていない自然な頭皮ターンオーバーサイクルを混乱させ、かつ/又は他の形でもたらし得ることをユーザに伝え得る。したがって、頭皮品質スコア記述206a2は、頭皮ターンオーバーが調節されていない/調節不全である場合、頭皮が硬く、乾燥し、脂性になる可能性があり、ユーザの毛髪を扱いにくい形で成長させる可能性があることをユーザに示し得る。
加えて、頭皮及び毛髪予測値は、ユーザの頭皮ターンオーバーレベルを表示し得る、頭皮ターンオーバーセクション206bを含み得る。例えば、AIベースの学習モデルが(例えば、頭皮因子セクション202a、毛髪因子セクション202b、及び/又は最後の洗浄セクション202cの各々から導出された)ユーザ固有のデータを分析した結果として、AIベースの学習モデルは、頭皮ターンオーバーセクション206b内のスライドスケール及び対応するインジケータによって表される、ユーザの頭皮ターンオーバーレベルを生成し得る。一般に、頭皮ターンオーバーセクション206bのスライドスケール上に位置するインジケータは、完全に調節された頭皮ターンオーバーレベルと完全に調節不全の頭皮ターンオーバーレベルとの間で、ユーザの頭皮ターンオーバーレベルをユーザにグラフィカルに示し得る。図2に示される例示的な態様では、頭皮ターンオーバーセクション206bに表されるユーザの頭皮ターンオーバーレベルは、ユーザの頭皮ターンオーバーがわずかに調節不全であることを示す。インジケータはまた、ユーザの頭皮ターンオーバーの数値表現を提供し得、ユーザの頭皮ターンオーバーレベルが、例えば、5の潜在的最大スコアのうちの4.3であることをユーザに示し得る。当然ながら、スコアリングスケールは、任意の好適な最小値及び/又は最大値(例えば、0~5、1~6、0~100など)を含み得る。いずれにせよ、頭皮ターンオーバーレベルは、グラフィカルレンダリング(例えば、頭皮ターンオーバーセクション206bのスライドスケール及びインジケータ)、英数字値、色値、及び/又は任意の他の好適な表現、又はこれらの組み合わせとしてユーザに表され得ることを理解されたい。
更に、頭皮及び毛髪予測値は、ユーザの頭皮ストレスレベルを表示し得る、頭皮ストレスレベルセクション206cを含み得る。例えば、AIベースの学習モデルが(例えば、頭皮因子セクション202a、毛髪因子セクション202b、及び/又は最後の洗浄セクション202cの各々から導出された)ユーザ固有のデータを分析した結果として、AIベースの学習モデルは、頭皮ストレスレベルセクション206c内のスライドスケール及び対応するインジケータによって表される、ユーザの頭皮ストレスレベルを生成し得る。一般に、頭皮ストレスレベルセクション206cのスライドスケール上に位置するインジケータは、低い頭皮ストレスと高い頭皮ストレスとの間で、ユーザの頭皮ストレスレベルをユーザにグラフィカルに示し得る。図2に示される例示的な態様では、頭皮ストレスレベルセクション206cに表されるユーザの頭皮ストレスレベルは、ユーザの頭皮ストレスレベルが比較的低い(例えば、スライドスケールの「理想的な」部分内)ことを示す。インジケータはまた、ユーザの頭皮ストレスレベルの数値表現を提供し得、ユーザの頭皮ストレスレベルが、例えば、10の潜在的最大スコアのうちの9.2であることをユーザに示し得る。当然ながら、スコアリングスケールは、任意の好適な最小値及び/又は最大値(例えば、0~5、1~6、0~100など)を含み得る。いずれにせよ、頭皮ストレスレベルは、グラフィカルレンダリング(例えば、頭皮ストレスレベルセクション206cのスライドスケール及びインジケータ)、英数字値、色値、及び/又は任意の他の好適な表現、又はこれらの組み合わせとしてユーザに表され得ることを理解されたい。
更に、頭皮及び毛髪予測値は、ユーザの毛髪ストレスレベルを表示し得る、毛髪ストレスレベルセクション206dを含み得る。例えば、AIベースの学習モデルが(例えば、頭皮因子セクション202a、毛髪因子セクション202b、及び/又は最後の洗浄セクション202cの各々から導出された)ユーザ固有のデータを分析した結果として、AIベースの学習モデルは、毛髪ストレスレベルセクション206d内のスライドスケール及び対応するインジケータによって表される、ユーザの毛髪ストレスレベルを生成し得る。一般に、毛髪ストレスレベルセクション206dのスライドスケール上に位置するインジケータは、低い毛髪ストレスと高い毛髪ストレスとの間で、ユーザの毛髪ストレスレベルをユーザにグラフィカルに示し得る。図2に示される例示的な態様では、毛髪ストレスレベルセクション206dに表されるユーザの毛髪ストレスレベルは、ユーザの毛髪ストレスレベルが比較的低いことを示す。インジケータはまた、ユーザの毛髪ストレスレベルの数値表現を提供し得、ユーザの毛髪ストレスレベルが、例えば、100の潜在的最大スコアのうちの95であることをユーザに示し得る。当然ながら、スコアリングスケールは、任意の好適な最小値及び/又は最大値(例えば、0~5、1~6、0~100など)を含み得る。いずれにせよ、毛髪ストレスレベルは、グラフィカルレンダリング(例えば、毛髪ストレスレベルセクション206dのスライドスケール及びインジケータ)、英数字値、色値、及び/又は任意の他の好適な表現、又はこれらの組み合わせとしてユーザに表され得ることを理解されたい。
加えて、AIベースの学習モデルへの入力としてユーザによって提出されたユーザ固有のデータは、ユーザの画像データを含み得る。具体的には、ある種の態様では、画像データは、1つ以上の皮脂画像の画素データ内で識別可能なヒトの皮脂の量を定義する1つ以上の皮脂画像を含み得る。これらの皮脂画像は、本明細書に記載されるように、前述のタッピング技法に従って、及び/又は図1のポータブル顕微鏡デバイス112c4を介して、取り込まれてもよい。各皮脂画像は、様々な異なる頭皮又は毛髪領域特徴を有する様々な異なるユーザにわたって使用するためのAIベースの学習モデルを訓練及び/又は実行するために使用され得る。例えば、図1の画像114に示されるように、この画像のユーザの頭皮又は毛髪領域は、画像114の画素データで識別可能なユーザの頭皮の頭皮及び毛髪領域特徴を含む。これらの頭皮及び毛髪領域特徴は、例えば、白い皮脂残留物及び頭皮の1つ以上の線/亀裂を含み、AIベースの学習モデルは、これらを画像114内で識別することができ、本明細書に記載されるように、頭皮又は毛髪予測値(例えば、頭皮品質スコアセクション206a、頭皮ターンオーバーセクション206b、頭皮ストレスレベルセクション206c、及び毛髪ストレスレベルセクション206dのうちの任意の1つ以上)及び/又は画像114に表されるユーザのためのユーザ固有の処置を生成するために使用し得る。
図3は、本明細書で開示される様々な態様による、AIベースの学習モデルの出力に相関する頭皮因子及び毛髪因子を有する例示的な相関表300を例解する。概して、相関表300は、ユーザ固有のデータ(例えば、現在の頭皮問題セクション302a、現在の毛髪問題セクション302b、及び最後の洗髪セクション302cの一部として含まれる問題/データの各々)と、頭皮又は毛髪予測値(例えば、結果列304cに含まれる値によって表される)との間で引き出される相関の例示的な表現を提供する。相関表300は、セクション302a、302b、及び302cに表されるように、前述のユーザ固有のデータタイプ(例えば、現在の頭皮問題、現在の毛髪問題、及び最後の洗浄データ)の各々を含む。図3は、現在の頭皮問題、現在の毛髪問題、及び最後の洗浄データを含む、ユーザ固有のデータのための3つのユーザ固有のデータタイプを図示するが、追加のデータタイプ(例えば、ユーザライフスタイル/習慣など)が、本明細書で同様に検討されることを理解されたい。
更に、相関表300は、ユーザ自己選択問題列304a、自己報告尺度列304b、及び結果列304cを含む。各列304a、304b、及び304cは、AIベースの学習モデルによって訓練/利用される統計分析によって定義される多重相関フレームワーク(例えば、図2に示されるような)を通して他の列内の値に相関される値を含む。
より具体的には、AIベースの学習モデルを訓練することは、臨床データ(例えば、頭皮又は毛髪測定デバイス111c4によって取り込まれたデータ)を使用して多変量回帰分析を構成して、ユーザ固有のデータの一部として含まれる各値/回答を頭皮及び毛髪予測値に相関させることを含み得る。一例として、AIベースの学習モデルは、以下の形式の多変量回帰分析を含む、又は利用し得る。
より一般的には、ユーザ固有の懸念/知覚の各々は、対応するユーザ固有のデータ値に関するユーザからのバイナリ(例えば、はい/いいえ)回答に対応してもよく、及び/又はスライドスケール値、英数字値、複数の選択回答(例えば、はい/いいえ/おそらく)、及び/又は任意の他の好適な回答タイプ、又はこれらの組み合わせに対応し得る。式(1)で提供される一般モデルと同様の回帰モデルを利用して、前述したように、AIベースの学習モデルは、ユーザ固有のデータに基づいてユーザの頭皮又は毛髪予測値を生成するときに約75%の精度を達成することができ、AIベースの学習モデルとユーザの実際の頭皮及び毛髪状態との間の、従来の技法が単純に達成することができない実質的な相関を反映する。
例えば、AIベースの学習モデルが、セクション302a、302b、302cの各々において、より詳細には、ユーザ自己選択問題列304aにおいて表されるユーザ固有のデータの各々に関するユーザ入力を受信すると仮定する。ユーザが頭皮乾燥に懸念があり(列304aの最初のエントリ)、ユーザが24時間未満前に最後に自分の毛髪を洗浄したことを示し、ユーザ自己選択問題列304aに含まれる他の問題のいずれかに関する懸念がないと仮定する。このシナリオでは、AIベースの学習モデルは、(1)自己報告尺度列304b内の対応する第1のエントリに示されるように、ユーザが乾燥頭皮を有することに潜在的に懸念があること、(2)自己報告尺度列304b内の最後から2番目のエントリに示されるように、ユーザ入力を提供する約12時間前にユーザが最後に自分の毛髪を洗浄した可能性が高いこと、並びに(3)ユーザが列304a内の他の問題及び列304b内の対応する懸念/知覚を知覚しない、及び/又はそれに懸念がないこと、を決定し得る。したがって、AIベースの学習モデルは、ユーザの頭皮又は毛髪予測値(例えば、図2の頭皮品質スコアセクション206a、頭皮ターンオーバーセクション206b、頭皮ストレスレベルセクション206c、及び毛髪ストレスレベルセクション206d)を生成するために、式(1)において一般的に説明される回帰モデルを適用することによって、ユーザ入力を結果列304cにおける値に相関させ得る。
結果列304cは、概して、ユーザ自己選択問題列304a及び自己報告尺度列304bの各々に含まれる値と、結果列304cに含まれる頭皮又は毛髪予測値との間の相関の相対的強度の表現を含む。例えば、現在の頭皮問題結果セクション306に示されるように、列304a及び304bの対応するセクションに含まれる値は、頭皮品質スコアに最も強く相関し、毛髪ストレスレベルに最も弱く相関する。実際、2つの値(例えば、こわばり及び発赤)は、結果列304cに含まれる頭皮又は毛髪予測値のいずれとも相関しない。別の例として、最後の洗髪結果セクション308に示されるように、列304a及び304bの対応するセクションに含まれる値は、頭皮品質スコアに最も強く相関し、頭皮ターンオーバーとの相関はそれほど強くなく、頭皮ストレスレベル又は毛髪ストレスレベルとはまったく相関しない。
図4は、本明細書で開示される様々な態様による、ユーザ固有の皮膚又は毛髪データを分析して、ユーザ固有の皮膚又は毛髪状態を予測するためのAIベースの方法400を例解する。方法400で使用され、より一般的には本明細書に記載されるユーザ固有のデータは、ユーザコンピューティングデバイス(例えば、ユーザコンピューティングデバイス111c1)によって受信されるユーザ応答/入力である。いくつかの態様では、ユーザ固有データは、本明細書に記載の頭皮毛髪分析アプリケーション(アプリ)を実行している間にユーザコンピューティングデバイスによって収集された複数のユーザ回答など、複数の回答/入力を含み得る、又は参照し得る。
ブロック402では、方法400は、1つ以上のプロセッサ(例えば、サーバ102の1つ以上のプロセッサ104及び/又はモバイルデバイスなどのコンピュータユーザデバイスのプロセッサ)上で実行される頭皮毛髪分析アプリケーション(アプリ)で、ユーザのユーザ固有のデータを受信するステップを含む。ユーザ固有のデータは、ユーザの頭皮又は毛髪領域及びユーザの最後の洗浄データを定義し得る。一般に、ユーザ固有のデータは、頭皮毛髪分析アプリの実行の一部として提示されたアンケートに対するユーザ回答/入力などの非画像データを含み得る。ユーザ固有のデータによって定義される頭皮又は毛髪領域は、(1)ユーザの頭皮領域、(2)ユーザの毛髪領域、及び/又はユーザの任意の他の好適な頭皮又は毛髪領域、又はこれらの組み合わせのうちの1つに対応し得る。
しかしながら、ある種の態様では、ユーザ固有のデータは、画像データ及び非画像データの両方を備え得、画像データは、撮像デバイス(例えば、ユーザコンピューティングデバイス111c1又は112c4の撮像デバイス)によって取り込まれたデジタル画像であり得る。これらの態様では、画像データは、ユーザの頭皮又は毛髪領域の少なくとも一部分の画素データを含み得る。特に、ある種の態様では、ユーザの頭皮又は毛髪領域は、(i)正面頭皮領域、(ii)正面毛髪領域、(iii)中央頭皮領域、(iv)中央毛髪領域、(v)カスタム定義された頭皮領域、(vi)カスタム定義された毛髪領域、(vii)前額部領域、及び/又は他の好適な頭皮若しくは毛髪領域、又はこれらの組み合わせのうちの少なくとも1つを含み得る。
ある種の態様では、1つ以上のプロセッサは、ハンドヘルドデバイス(例えば、ユーザコンピューティングデバイス111c1)及び/又は頭皮若しくは毛髪測定デバイス(例えば、頭皮又は毛髪測定デバイス111c4)のうちの少なくとも1つを含み得る、モバイルデバイスのプロセッサを含み得る。したがって、これらの態様では、ハンドヘルドデバイス及び/又は頭皮若しくは毛髪測定デバイスは、ユーザのユーザ固有のデータを独立して又は集合的に受信し得る。例えば、ハンドヘルドデバイスが頭皮毛髪分析アプリを実行する場合、ハンドヘルドデバイスは、頭皮毛髪分析アプリ実行の一部として提示されるアンケートに対するユーザ入力を受信し得る。加えて、ユーザは、頭皮又は毛髪測定デバイスをユーザの頭皮又は毛髪領域に適用し、ユーザに関連付けられた皮脂データを受信し得る。ハンドヘルドデバイス及び/又は頭皮又は毛髪測定デバイスは、本明細書に記載する方法400の動作に従って、ユーザ入力及び皮脂データ(一括して、ユーザ固有のデータ)を受信して、ユーザ固有のデータを処理/分析し得る。
同様に、ある種の態様では、1つ以上のプロセッサは、ハンドヘルドデバイス(例えば、ユーザコンピューティングデバイス111c1)及び/又はポータブル顕微鏡(例えば、ポータブル顕微鏡デバイス112c4)のうちの少なくとも1つを含み得る、モバイルデバイスのプロセッサを含み得る。したがって、これらの態様では、撮像デバイスはポータブル顕微鏡を備え得、モバイルデバイスは頭皮毛髪分析アプリを実行し得る。例えば、撮像デバイスがポータブル顕微鏡(例えば、ポータブル顕微鏡デバイス112c4)である場合、ユーザは、ポータブル顕微鏡のカメラを使用して、ユーザの頭皮又は毛髪領域の画像を取り込んでもよく、ポータブル顕微鏡は、本明細書に記載する方法400の動作に従って、ポータブル顕微鏡の1つ以上のプロセッサを使用して、取り込まれた画像を処理/分析し得、及び/又は処理/分析のために、取り込まれた画像を接続されたモバイルデバイス(例えば、ユーザコンピューティングデバイス112c1)に伝送し得る。
ブロック404では、方法400は、頭皮毛髪分析アプリによってアクセス可能なAIベースの学習モデル(例えば、AIベースの学習モデル108)によって、ユーザ固有のデータを分析して、ユーザの頭皮又は毛髪領域に対応する頭皮又は毛髪予測値を生成することを含む。特に、頭皮又は毛髪予測値は、ユーザの頭皮又は毛髪領域の1つ以上の特徴に対応し得る。ある種の態様では、頭皮又は毛髪予測値は、ユーザの頭皮又は毛髪領域に関連付けられた予測皮脂レベルに対応し得る皮脂予測値を含む。
様々な態様において本明細書で言及されるように、AIベースの学習モデル(例えば、AIベースの学習モデル108)は、各個人の頭皮及び毛髪領域に関する訓練データを用いて訓練される。AIベースの学習モデルは、各個人の頭皮又は毛髪領域の1つ以上の特徴に対応する1つ以上の頭皮又は毛髪予測を、出力するように構成される、又はそうでなければ出力するように動作可能である。訓練データは、頭皮又は毛髪領域のうちの1つ以上の特徴を決定するように構成された頭皮又は毛髪測定デバイス(例えば、頭皮又は毛髪測定デバイス111c4)を用いて生成されたデータ(例えば、臨床データ)を含む。ある種の態様では、頭皮又は毛髪測定デバイスは、ユーザの皮膚表面の皮脂レベルを決定するように構成される。
更に、各個人の頭皮及び毛髪領域に関する訓練データは、各個人の最後の洗浄データに対応する1つ以上の値、及び頭皮因子のうちの1つ以上、1つ以上の毛髪因子、及び/又は洗浄頻度のうちの少なくとも1つから選択される。したがって、訓練データの各インスタンスは、AIベースの学習モデルを訓練するために、少なくとも各個人の最後の洗浄データを含まなければならない。なぜなら、前述したように、AIベースの学習モデルによって出力される頭皮又は毛髪予測は、ユーザの最後の洗浄データによって著しく影響を受けるからである。様々な態様では、1つ以上の頭皮因子は、頭皮乾燥、頭皮油性、ふけ、こわばり、発赤、不快臭、又はかゆみを含む。様々な態様では、1つ以上の毛髪因子は、扱いにくさ、抜け毛、毛髪のボリューム、薄毛、もつれをほぐすこと、毛髪油性、乾燥、又は毛髪の匂いを含む。
例えば、第1の各個人に対応する訓練データの第1のセットは、第1の各個人が彼らの回答/入力を提出する3時間未満前に最後に自分の毛髪を洗浄したことを示す最後の洗浄データを含み得、第1の各個人が頭皮乾燥に懸念があることを更に示し得る。更にこの例では、第2の各個人に対応する訓練データの第2のセットは、第2の各個人が彼らの回答/入力を提出する24時間超前に最後に自分の毛髪を洗浄したことを示す最後の洗浄データを含み得、第2の各個人が薄毛に懸念があることを更に示し得る。最後に、この例では、第3の各個人に対応するデータ第3のセットは、最後の洗浄データを含まなくてもよく、第3の各個人が頭皮のふけ及び毛髪油性を懸念していることを示し得る。この例では、AIベースの学習モデルは、訓練データの第1及び第2のセットを用いて訓練され得るが、訓練データの第1及び第2のセットは最後の洗浄データを含み、データの第3のセットは含まないので、データの第3のセットを用いて訓練され得ない。
更に、様々な態様では、訓練データは、各個人の画像データ及び非画像データを含み、ユーザ固有のデータは、ユーザの画像データ及び非画像データを含む。これらの態様では、訓練データの画像データ及びユーザ固有のデータの画像データは各々、1つ以上の皮脂画像の画素データ内で識別可能なヒト皮脂の量を定義する1つ以上の皮脂画像を含む。
前述したように、本明細書に記載されるように、AIベースの学習モデル(例えば、AIベースの学習モデル108)は、多変量回帰分析などの教師あり機械学習プログラム又はアルゴリズムを使用して訓練され得る。一般に、機械学習は、(ユーザの頭皮若しくは毛髪領域に対応する頭皮又は毛髪予測値及び/又は頭皮若しくは毛髪予測値に基づいて少なくとも1つの特徴に対処するためのユーザ固有の処置を決定又は生成するために、新しいユーザ固有のデータに対するモデルを使用するなど)後続のデータの予測又は識別を容易にするために、(各個人の頭皮又は毛髪領域の1つ以上の特徴に対応する頭皮又は毛髪予測を生成するなど)既存のデータ内のパターンを識別及び認識することを伴い得る。いくつかの態様について本明細書に記載されたAIベースの学習モデルなどの機械学習モデルは、例示的なデータ(例えば、「訓練データ」及び関連するユーザ固有のデータ)入力又はデータ(「特徴」及び「ラベル」と呼ばれ得る)に基づいて作成及び訓練されて、試験レベル又は生産レベルのデータ又は入力などの新しい入力の、有効かつ信頼できる予測を行うことができる。
教師あり機械学習では、サーバ、コンピューティングデバイス、又はそうでなければプロセッサ上で動作する機械学習プログラムは、例示的な入力(例えば、「特徴」)、及びそれらの関連する又は観察される出力(例えば、「ラベル」)を提供されて、機械学習プログラム又はアルゴリズムは、例えば、モデルの様々な特徴カテゴリにわたって重み付け若しくは他の測定項目をそのモデルに対して決定すること及び/又は割り当てることによって、出力(例えば、ラベル)に対してそのような入力(例えば、「特徴」)をマッピングする規則、関係、パターン、又はそうでなければ機械学習「モデル」を決定又は発見し得る。次いで、そのような規則、関係、又はそうでなければモデルは、後続の入力が提供されて、そのモデルがサーバ、コンピューティングデバイス、又はそうでなければプロセッサ上で実行され、発見された規則、関係、又はモデルに基づいて、予想される出力を予測し得る。
しかしながら、教師あり学習技法(例えば、多変量回帰分析)を使用して訓練されるものとして本明細書に記載されているが、ある種の態様では、AIベースの学習モデルは、複数の教師あり機械学習技法を使用して訓練され得、追加的又は代替的に、1つ以上の教師なし機械学習技法を使用して訓練され得る。教師なし機械学習では、サーバ、コンピューティングデバイス、又はそうでなければプロセッサは、ラベル付けされていない例示的な入力において、それ自体の構造を見出すことが必要とされ得、この場合、例えば、複数の訓練反復が、サーバ、コンピューティングデバイス、又はそうでなければプロセッサによって実行されて、満足なモデル、例えば、試験レベル又は生産レベルのデータ又は入力が与えられたときに、十分な予測正確度を提供するモデルが生成されるまで、複数世代のモデルを訓練する。
例えば、ある種の態様では、AIベースの学習モデルは、ニューラルネットワークを採用し得、そのニューラルネットワークは、畳み込みニューラルネットワーク、深層学習ニューラルネットワーク、又は特定の関心領域内での2つ以上の特徴若しくは特徴データセット(例えば、ユーザ固有のデータ)を学習する混合学習モジュール若しくはプログラムであり得る。これらの機械学習プログラム又はアルゴリズムには、自然言語処理、意味解析、自動推論、サポートベクタマシン(support vector machine、SVM)分析、決定樹解析、ランダムフォレスト分析、K近傍法分析、単純ベイズ分析、クラスタリング、強化学習、並びに/又は他の機械学習アルゴリズム及び/若しくは技術もまた含まれ得る。いくつかの態様では、人工知能及び/又は機械学習ベースのアルゴリズムは、サーバ102上で実行されるライブラリ又はパッケージとして含まれ得る。例えば、ライブラリは、TENSORFLOWベースのライブラリ、PYTORCHライブラリ、及び/又はSCIKIT-LEARN Pythonライブラリを含み得る。
いずれにせよ、AIベースの学習モデルを訓練することはまた、新しい又は異なる情報を用いてモデルを再訓練、再学習、又はそうでなければ更新することを含み得、新しい又は異なる情報は、経時的に受信、摂取、生成、又はそうでなければ使用される情報を含み得る。更に、様々な態様では、AIベースの学習モデル(例えば、AIベースの学習モデル108)は、1つ以上のプロセッサ(例えば、サーバ102の1つ以上のプロセッサ104及び/又はモバイルデバイスなどのコンピュータユーザデバイスのプロセッサ)によって、各個人の頭皮又は毛髪領域の複数の訓練画像(例えば、画像114)の画素データを使用して、訓練され得る。これらの態様では、AIベースの学習モデル(例えば、AIベースの学習モデル108)は、複数の訓練画像の各々における各個人の頭皮又は毛髪領域の1つ以上の特徴に対応する1つ以上の頭皮又は毛髪予測を生成するように更に構成され得る。
任意のブロック406では、方法400は、頭皮毛髪分析アプリによって、ユーザの頭皮又は毛髪領域の頭皮又は毛髪予測値に基づいて、質スコアを生成するステップを含む。品質スコアは、ユーザ固有のデータによって定義されるユーザの頭皮又は毛髪領域の質(例えば、図2の頭皮品質スコアセクション206aによって表される)を示すように生成又は設計される。様々な態様では、毛髪頭皮分析アプリのコンピューティング命令は、1つ以上のプロセッサによって実行されると、1つ以上のプロセッサに、ユーザの頭皮又は毛髪領域の頭皮又は毛髪予測値に基づいて決定される品質スコアを生成させ得る。品質スコアは、任意の好適なスコアリングシステム/表現を含み得る。
例えば、これらの態様では、図2に示されるように、品質スコアは、ユーザの頭皮品質スコアが、例えば、4の潜在的最大スコアのうちの3.5であることをユーザに示し得る、グラフィカルスコア(例えば、グラフィカルスコア206a1)を含み得る。品質スコアは、品質スコア記述(例えば、頭皮品質スコア記述206a20を更に含み得、例えば、スコアの減少につながる優勢な頭皮/毛髪因子及び/若しくは最後の洗浄データ、頭皮及び/若しくは毛髪の問題を引き起こす内因性/外因性因子、並びに/又は任意の他の情報、又はこれらの組み合わせの記述を含み得る。更に、品質スコアは、AIベースの学習モデル(例えば、AIベースの学習モデル108)の一部として、分析されて品質スコアに相関されたユーザ固有のデータに関連付けられたそれぞれの重み付けされた値に対応する平均値/合計値を含み得る。
ブロック408では、方法400は、頭皮毛髪分析アプリによって、頭皮又は毛髪予測値に基づいて、ユーザの頭皮又は毛髪領域の頭皮又は毛髪予測値に基づく少なくとも1つの特徴に対処するように設計されたユーザ固有の処置を生成するステップを含む。様々な態様では、ユーザ固有の処置は、ユーザの頭皮又は毛髪領域の頭皮又は毛髪予測値に基づく少なくとも1つの特徴をどのように処置するかに関してユーザに指示するために、コンピューティングデバイス(例えば、ユーザコンピューティングデバイス111c1)のディスプレイ画面上に表示される。
ユーザ固有の処置は、ユーザコンピューティングデバイス(例えば、ユーザコンピューティングデバイス111c1)によって、かつ/又はサーバ(例えば、サーバ102)によって生成され得る。例えば、いくつかの態様では、サーバ102は、図1について本明細書に記載されるように、ユーザコンピューティングデバイスからリモートのユーザ固有のデータを分析して、ユーザの頭皮又は毛髪領域に対応する頭皮又は毛髪予測値、品質スコア、及び/又はユーザの頭皮若しくは毛髪領域の頭皮若しくは毛髪予測値に基づく少なくとも1つの特徴に対処するように設計されたユーザ固有の処置を決定し得る。例えば、そのような態様では、サーバ又はクラウドベースのコンピューティングプラットフォーム(例えば、サーバ102)は、コンピュータネットワーク120を介して、(1)ユーザの最後の洗浄データ、及び(2)ユーザの1つ以上の頭皮因子、ユーザの1つ以上の毛髪因子、又はユーザの洗浄頻度のうちの少なくとも1つ、を含む、ユーザの頭皮又は毛髪領域を定義するユーザ固有データを受信する。次いで、サーバ又はクラウドベースのコンピューティングプラットフォームは、AIベースの学習モデル(例えば、AIベースの学習モデル108)を実行し、AIベースの学習モデルの出力に基づいて、頭皮又は毛髪予測値、品質スコア、及び/又はユーザ固有の処置を生成し得る。次いで、サーバ又はクラウドベースのコンピューティングプラットフォームは、ユーザコンピューティングデバイスのディスプレイ画面上でレンダリングするために、コンピュータネットワーク(例えば、コンピュータネットワーク120)を介して、頭皮又は毛髪予測値、品質スコア、及び/又はユーザ固有の処置をユーザコンピューティングデバイスに伝送し得る。例えば、様々な態様では、頭皮又は毛髪予測値、品質スコア、及び/又はユーザ固有の処置は、ユーザの頭皮又は毛髪領域を定義するユーザ固有のデータ及びユーザの最後の洗浄データを受信している間又は受信した後に、リアルタイム又はほぼリアルタイムでユーザコンピューティングデバイスのディスプレイ画面上にレンダリングされ得る。
一例として、様々な態様では、ユーザ固有の処置は、ユーザ固有の推奨される洗浄頻度を含み得る。推奨される洗浄頻度は、洗浄回数、1日、1週間などにわたる1回以上の洗浄回数又は期間、洗浄方法に関する提案などを含み得る。更に、様々な態様では、ユーザ固有の処置は、例えば、ユーザコンピューティングデバイス(例えば、ユーザコンピューティングデバイス111c1)のディスプレイ画面上に表示されるテキストベースの処置、視覚/画像ベースの処置、及び/又はユーザの頭皮若しくは毛髪領域の仮想レンダリングを含み得る。そのようなユーザ固有の処置は、ユーザ固有の特徴(例えば、過度の頭皮皮脂、ふけ、乾燥など)に対応する1つ以上のグラフィック又はテキストレンダリングで注釈を付けられた、ユーザの頭皮又は毛髪領域のグラフィカル表現を含み得る。
更に、ある種の態様では、頭皮毛髪分析アプリは、ユーザの画像を受信することができ、画像は、ユーザの頭皮又は毛髪領域を描写することができる。これらの態様では、頭皮毛髪分析アプリは、ユーザ固有の処置をユーザの頭皮又は毛髪領域に仮想適用した後のユーザのフォトリアリスティックな表現を生成し得る。更に、頭皮毛髪分析アプリは、頭皮又は毛髪予測値に基づいてユーザの画像の1つ以上の画素を操作することによって、フォトリアリスティックな表現を生成し得る。例えば、頭皮毛髪分析アプリは、ユーザに表示するためにユーザ固有の処置をグラフィカルにレンダリングすることができ、ユーザ固有の処置は、決定されたAIベースの学習モデルがユーザ固有のデータ及び最後の洗浄データに基づいてユーザの頭皮又は毛髪領域に存在する頭皮皮脂蓄積を低減するために、毛髪/頭皮洗浄頻度を増加させる処置オプションを含み得る。この例では、頭皮毛髪分析アプリは、ユーザの画像の1つ以上の画素の画素値を操作して(例えば、更新、平滑化、色の変更)、ユーザの頭皮又は毛髪領域上に存在する頭皮皮脂を表す画素データを含むものとして識別された画素の画素値を、ユーザの頭皮又は毛髪領域におけるユーザの頭皮又は毛嚢を表す画素値に変更することによって、頭皮皮脂のない(又は量が低減された)ユーザの頭皮又は毛髪領域のフォトリアリスティックな表現を生成し得る。例えば、いくつかの態様では、ユーザの頭皮又は毛髪領域506のグラフィカル表現は、ユーザのフォトリアリスティックな表現である。
追加の態様では、ユーザ固有の処置は、製造された製品に対する製品推奨を含み得る。追加的に、又は代替的に、いくつかの態様では、ユーザ固有の処置は、製造された製品で、ユーザの頭皮又は毛髪領域の頭皮又は毛髪予測値に基づく少なくとも1つの特徴を処置するための命令(例えば、メッセージ)と共に、コンピューティングデバイス(例えば、ユーザコンピューティングデバイス111c1)のディスプレイ画面上に表示され得る。なおも更なる態様では、ユーザコンピューティングデバイス(例えば、ユーザコンピューティングデバイス111c1)及び/又はサーバのプロセッサ上で実行されるコンピューティング命令は、ユーザ固有の処置に基づいて、ユーザへの製造された製品の出荷を開始し得る。製造された製品の推奨に関して、いくつかの態様では、1つ以上のプロセッサ(例えば、サーバ102及び/又はユーザコンピューティングデバイス111c1などのユーザコンピューティングデバイス)は、少なくとも1つの特徴を製造された製品で処理した後にユーザの頭皮又は毛髪領域がどのように見えると予測されるかに基づいて、前述のように、修正された画像を生成し、レンダリングすることができる。
図5Aは、本明細書で開示される様々な態様による、ユーザコンピューティングデバイス(例えば、ユーザコンピューティングデバイス111c1)のディスプレイ画面500上でレンダリングされた例示的なユーザインターフェース504aを例解する。例えば、図5Aの例に示されるように、ユーザインターフェース504aは、ユーザコンピューティングデバイス111c1上で実行されるアプリケーション(アプリ)を介して、実装又はレンダリングされ得る。例えば、図5Aの例に示されるように、ユーザインターフェース504aは、ユーザコンピューティングデバイス111c1上で実行されるネイティブアプリを介して、実装又はレンダリングされ得る。図5Aの例では、ユーザコンピューティングデバイス111c1は、図1について記載されたユーザコンピューティングデバイスであり、例えば、111c1は、APPLE iOSオペレーティングシステムを実装し、ディスプレイ画面500を有するAPPLE iPhoneとして例解されている。ユーザコンピューティングデバイス111c1は、例えば、本明細書に記載される頭皮毛髪分析アプリを含む、1つ以上のネイティブアプリケーション(アプリ)をそのオペレーティングシステム上で実行し得る。そのようなネイティブアプリは、ユーザコンピューティングデバイス111c1のプロセッサによって、ユーザコンピューティングデバイスオペレーティングシステム(例えば、APPLE iOS)によって実行可能なコンピューティング言語(例えば、SWIFT)で実装又はコード化され得る(例えば、コンピューティング命令として)。
追加的に、又は代替的に、ユーザインターフェース504aは、ウェブインターフェースを介して、例えば、ウェブブラウザアプリケーション、例えば、Safari及び/若しくはGoogle Chromeアプリ、又は他のそのようなウェブブラウザなどを介して、実装又はレンダリングされ得る。
図5Aの例に示されるように、ユーザインターフェース504aは、図2の頭皮品質スコアセクション206a、グラフィカルスコア206a1、頭皮品質スコア記述206a2、頭皮ターンオーバーセクション206b、頭皮ストレスレベルセクション206c、及び毛髪ストレスレベルセクション206dを含む、頭皮又は毛髪予測値のグラフィカル表現を含む。したがって、頭皮毛髪分析アプリは、ユーザインターフェース504a上に頭皮又は毛髪予測値をレンダリングすることによって、頭皮又は毛髪予測値の各々をユーザに直接伝達することができる。ある種の態様では、頭皮毛髪分析アプリは、ユーザ固有のデータ及び最後の洗浄データによって定義されたユーザの頭皮又は毛髪領域の包括的評価をユーザに提供することを意図した一連のグラフィカル表示において、ユーザインターフェース504aを最初にレンダリングすることができる。
例えば、図5Bは、ユーザコンピューティングデバイス(例えば、ユーザコンピューティングデバイス111c1)のディスプレイ画面502上にレンダリングされた別の例示的なユーザインターフェース504bを示し、ある種の態様では、ユーザインターフェース504bは、図5Aのユーザインターフェース504aに対する後続のグラフィカルレンダリングであり得る。ユーザインターフェース504bは、ユーザの頭皮又は毛髪領域506のグラフィカル表現(例えば、画像114)を含む。画像114は、本明細書に記載されるように、ユーザの頭皮又は毛髪領域の少なくとも一部分の画素データ(例えば、画素データ114ap)を含む、ユーザの画像(又はそのグラフィカル表現506)を含み得る。図5Bの例では、ユーザの頭皮又は毛髪領域のグラフィカル表現(例えば、画像114)は、ユーザの頭皮又は毛髪領域506の一部分を含む画素データ内で識別可能な様々な特徴に対応する1つ以上のグラフィック(例えば、画素データ114apのエリア)又はテキストレンダリング(例えば、テキスト114at)で注釈が付けられる。例えば、画素データ114apのエリアは、AIベースの学習モデル(例えば、AIベースの学習モデル108)によって画素データ(例えば、特徴データ及び/又は生画素データ)内で識別されたエリア又は特徴を強調するために、ユーザの画像(例えば、画像114)上に注釈を付けられるか又はオーバーレイされ得る。図5Bの例では、画素データ114apのエリアは、画素データ114apにおいて定義されるように、頭皮皮脂(例えば、画素114ap1~3)を含む特徴を示し、本明細書に記載されるように、画素データ114apのエリアにおいて示される他の特徴(例えば、頭皮乾燥、頭皮油性、頭皮のふけ、毛髪の扱いにくさ、毛髪乾燥など)を示し得る。様々な態様では、固有の特徴として識別された画素(例えば、画素114ap1~3)は、ディスプレイ画面502上でレンダリングされるときに強調され得るか、又はそうでなければ注釈が付けられ得る。
テキストレンダリング(例えば、テキスト114at)は、ユーザが頭皮皮脂に関して(80の)高い頭皮品質スコアを有することを示し得る、ユーザ固有の属性又は特徴(例えば、画素114ap1~3に対する80)を示す。80スコアは、ユーザが、ユーザの頭皮又は毛髪領域(したがって、おそらくユーザの頭皮全体)上に存在する大量の皮脂を有し、それにより、ユーザが、洗浄シャンプーで頭皮を洗浄し、洗浄頻度を増加させて、頭皮の健康/質/状態を改善する(例えば、頭皮皮脂の量を減少させる)ことから利益を得る可能性が高いことを示す。他のテキストレンダリングタイプ又は値が本明細書において企図され、テキストレンダリングタイプ又は値、例えば、頭皮品質スコア、頭皮ターンオーバースコア、頭皮ストレスレベルスコア、毛髪ストレスレベルスコアなどがレンダリングされ得ることを理解されたい。追加的に、又は代替的に、色値は、ユーザインターフェース504b上に示されるグラフィカル表現(例えば、ユーザの頭皮又は毛髪領域506のグラフィカル表現)上で使用及び/又はオーバーレイされて、所与のスコア、例えば、80の高スコア又は5の低スコアの程度又は品質を示してもよい。スコアは、生スコア、絶対スコア、パーセンテージベースのスコア、及び/又は任意の他の好適な提示スタイルとして提供されてもよい。追加的に、又は代替的に、そのようなスコアは、スコアが陽性結果(良好な頭皮洗浄頻度)、陰性結果(不良な頭皮洗浄頻度)、又は許容可能な結果(平均又は許容可能な頭皮洗浄頻度)を表すか否かを示すテキスト又はグラフィックインジケータと共に提示され得る。
ユーザインターフェース502はまた、頭皮又は毛髪予測値510を含むか、又はレンダリングし得る。図5Bの態様では、頭皮又は毛髪予測値510は、頭皮又は毛髪予測値をもたらす任意の理由の簡単な説明と共に、頭皮又は毛髪予測値をユーザに示すように設計されたユーザへのメッセージ510mを備える。図5Bの例に示されるように、メッセージ510mは、頭皮又は毛髪予測値が「80」であることをユーザに示し、頭皮又は毛髪予測値が、「高頭皮皮脂」を含有するユーザの頭皮又は毛髪領域から生じることを更にユーザに示す。
ユーザインターフェース504bはまた、ユーザ固有の処置推奨512を含むか、又はレンダリングし得る。図5Bの態様では、ユーザ固有の処置推奨512は、ユーザの頭皮又は毛髪領域及びユーザの最後の洗浄データを定義するユーザ固有のデータ内で識別可能な少なくとも1つの特徴に対処するように設計された、ユーザへのメッセージ512mを含む。図5Bの例に示されるように、メッセージ512mは、過剰な皮脂蓄積を低減することによって頭皮の健康/質/状態を改善するために、より高い洗浄頻度で頭皮を洗浄することをユーザに推奨する。
メッセージ512mは、過剰な皮脂蓄積を減少させるのを助けるために、洗浄シャンプーの使用を更に推奨する。洗浄シャンプー推奨は、頭皮皮脂に対する高い頭皮品質スコア(例えば、80)に基づいて行われ、ユーザの画像が大量の頭皮皮脂を描写することを示唆することができ、洗浄シャンプー製品は、画像114の画素データにおいて検出又は分類されるか、又はそうでなければユーザのユーザ固有のデータ及び最後の洗浄データに基づいて予測される頭皮皮脂に対処するように設計される。製品推奨は、ユーザ固有のデータ及び/又は画素データ内の識別された特徴と相関させられることができ、ユーザコンピューティングデバイス111c1及び/又はサーバ102は、特徴(例えば、過度の頭皮(又は毛髪)皮脂)が識別されるとき、製品推奨を出力するように命令され得る。
ユーザインターフェース504bはまた、製造された製品524r(例えば、上述のような洗浄シャンプー)に対する製品推奨522のためのセクションを含むか、又はレンダリングし得る。製品推奨522は、上述したように、ユーザ固有の処置推奨512に対応し得る。例えば、図5Bの例では、ユーザ固有の処置推奨512は、ユーザ固有のデータ及び最後の洗浄データ、並びに/又はある種の態様では、ユーザの頭皮若しくは毛髪領域の少なくとも一部分の画素データを含む画素データ(画素データ114ap)に基づいて予測された及び/又は識別可能な少なくとも1つの特徴(例えば、画素114ap1~3での頭皮皮脂に関連する80の高い頭皮品質スコア)を製造された製品(製造された製品524r(例えば、洗浄シャンプー))で処理するための命令(例えば、メッセージ512m)と共に、ユーザコンピューティングデバイス111c1のディスプレイ画面502上に表示され得る。予測又は識別された特徴は、ユーザインターフェース504b上に示され、注釈が付けられる(524p)。
図5Bに示されるように、ユーザインターフェース504bは、ユーザ固有の処置推奨512に基づいて製品(例えば、製造された製品524r(例えば、洗浄シャンプー))を推奨する。図5Bの例において、ユーザ固有のデータ及びAIベースの学習モデル(例えば、AIベースの学習モデル108)による画像(例えば、画像114)、例えば、頭皮又は毛髪予測値510、及び/若しくはその関連する値(例えば、80頭皮皮脂品質スコア)若しくは関連する画素データ(例えば、114ap1、114ap2、及び/若しくは114ap3)、並びに/又はユーザ固有の処置推奨512の出力又は分析は、対応する製品の推奨を生成又は識別するために使用され得る。そのような推奨は、ユーザ固有のデータ及び最後の洗浄データから、並びに/又はある種の態様では、AIベースの学習モデル(例えば、AIベースの学習モデル108)によって画素データ内で、検出された又は予測されたユーザ固有の問題に対処するために、シャンプー、コンディショナ、毛髪ジェル、保湿トリートメントなどの製品を含み得る。
ユーザインターフェース504bは、ユーザ(例えば、画像114のユーザ)が、対応する製品(例えば、製造された製品524r)を購入又は出荷するために選択することを可能にする、選択可能UIなボタン524sを更に含み得る。いくつかの態様では、選択可能なUIボタン524sの選択は、推奨される製品をユーザに出荷させ得、かつ/又は個人が製品に関心があることを第三者に通知し得る。例えば、ユーザコンピューティングデバイス111c1及び/又はサーバ102のいずれかは、頭皮又は毛髪予測値510及び/又はユーザ固有の処置推奨512に基づいて、ユーザへの製造された製品524r(例えば、洗浄シャンプー)の出荷を開始し得る。そのような態様では、製品は包装され、ユーザに出荷され得る。
様々な態様では、グラフィカル注釈(例えば、画素データ114apのエリア)、テキスト注釈(例えば、テキスト114at)、並びに頭皮又は毛髪予測値510及びユーザ固有の処置推奨512を有するグラフィカル表現(例えば、ユーザの頭皮又は毛髪領域506のグラフィカル表現)は、ディスプレイ画面500、502上でレンダリングするために、コンピュータネットワークを介して(例えば、サーバ102及び/又は1つ以上のプロセッサから)ユーザコンピューティングデバイス111c1に伝送され得る。他の態様では、ユーザ固有の画像のサーバへの伝送は行われず、頭皮又は毛髪予測値510及びユーザ固有の処置推奨512(及び/又は製品固有の推奨)は、代わりに、ユーザのモバイルデバイス(例えば、ユーザコンピューティングデバイス111c1)上で実行及び/又は実装されるAIベースの学習モデル(例えば、AIベースの学習モデル108)によってローカルに生成され、モバイルデバイスのプロセッサによってモバイルデバイス(例えば、ユーザコンピューティングデバイス111c1)のディスプレイ画面500、502上でレンダリングされ得る。
いくつかの態様では、グラフィック注釈(例えば、画素データ114apのエリア)、テキスト注釈(例えば、テキスト114at)、頭皮若しくは毛髪予測値510、ユーザ固有の処置推奨512、及び/又は製品推奨522を有するグラフィカル表現(例えば、ユーザの頭皮又は毛髪領域506のグラフィカル表現)のうちの任意の1つ以上は、ユーザ固有のデータ及び最後の洗浄データ、並びに/又はある種の態様では、ユーザの頭皮若しくは毛髪領域を有する画像をリアルタイム又はほぼリアルタイムで受信している間に又は受信した後にレンダリングされ得る(例えば、ディスプレイ画面500、502上にローカルにレンダリングされ得る)。ユーザ固有のデータ及び最後の洗浄データ並びに画像がサーバ102によって分析される態様では、ユーザ固有のデータ及び最後の洗浄データ並びに画像は、サーバ102によってリアルタイム又はほぼリアルタイムで送信及び分析され得る。
いくつかの態様では、ユーザは、AIベースの学習モデル108による更新、再訓練、又は再分析のためにサーバ102に伝送され得る新しいユーザ固有のデータ、新しい最後の洗浄データ、及び/又は新しい画像を提供し得る。他の態様では、新しいユーザ固有のデータ、新しい最後の洗浄データ、及び/又は新しい画像は、コンピューティングデバイス111c1上でローカルに受信され、AIベースの学習モデル108によってコンピューティングデバイス111c1上で分析され得る。
加えて、図5Bの例に示されるように、ユーザは、新しいユーザ固有のデータ、新しい最後の洗浄データ、及び/又は新しい画像を(例えば、コンピューティングデバイス111c1でローカルに、又はサーバ102で遠隔に)再分析するために選択可能ボタン512iを選択し得る。選択可能ボタン512iは、ユーザインターフェース504bに、新しいユーザ固有のデータ、新しい最後の洗浄データ、及び/又は新しい画像を分析するために入力/添付するようにユーザを促させることができる。サーバ102及び/又はユーザコンピューティングデバイス111c1などのユーザコンピューティングデバイスは、新しいユーザ固有のデータ、新しい最後の洗浄データ、及び/又はユーザの頭皮若しくは毛髪領域を定義するデータを含む新しい画像を受信し得る。新しいユーザ固有のデータ、新しい最後の洗浄データ、及び/又は新しい画像は、ユーザコンピューティングデバイスによって受信される/取り込まれることができる。新しい画像(例えば、画像114と同様)は、ユーザの頭皮又は毛髪領域の一部分の画素データを含み得る。コンピューティングデバイス(例えば、サーバ102)のメモリ上で実行されるAIベースの学習モデル(例えば、AIベースの学習モデル108)は、ユーザコンピューティングデバイスによって受信された/取り込まれた新しいユーザ固有のデータ、新しい最後の洗浄データ、及び/又は新しい画像を分析して、新しい頭皮又は毛髪予測値を生成し得る。コンピューティングデバイス(例えば、サーバ102)は、新しいユーザ固有のデータとユーザ固有のデータ、新しい最後の洗浄データと最後の洗浄データ、及び/又は新しい画像と画像の比較に基づいて、新しい頭皮又は毛髪予測値を生成し得る。例えば、新しい頭皮又は毛髪予測値は、グラフィック及び/又はテキストを含む新しいグラフィカル表現(例えば、ユーザが自分の毛髪を洗浄した後の新しい品質スコア値、例えば1を示す)を含み得る。新しい頭皮又は毛髪予測値は、例えば、新しいユーザ固有のデータ、新しい最後の洗浄データ、及び/又は新しい画像を用いて検出されるように、ユーザが、頭皮のふけ及び/又は毛髪油性を低減するために、自分の毛髪を成功裏に洗浄したという追加の品質スコアを含み得る。コメントは、ユーザが、新しいユーザ固有のデータ、新しい最後の洗浄データ、及び/又は新しい画像内で検出された追加の特徴、例えば、毛髪乾燥を、追加の製品、例えば、保湿シャンプー又はヤシ油を適用することによって修正する必要があることを含み得る。
様々な態様では、新しい頭皮又は毛髪予測値及び/又は新しいユーザ固有の処置推奨は、ユーザコンピューティングデバイス(例えば、ユーザコンピューティングデバイス111c1)のディスプレイ画面502上でレンダリングするために、サーバ102からユーザのユーザコンピューティングデバイスにコンピュータネットワークを介して伝送され得る。
他の態様では、ユーザの新しいユーザ固有のデータ、新しい最後の洗浄データ、及び/又は新しい画像のサーバへの伝送は行われず、新しい頭皮又は毛髪予測値及び/又は新しいユーザ固有の処置推奨(及び/又は製品固有の推奨)は、代わりに、AIベースの学習モデル(例えば、AIベースの学習モデル108)によってローカルに生成され、ユーザのモバイルデバイス(例えば、ユーザコンピューティングデバイス111c1)上で実行及び/又は実装され、モバイルデバイスのプロセッサによってモバイルデバイス(例えば、ユーザコンピューティングデバイス111c1)のディスプレイ画面上でレンダリングされ得る。
当然ながら、ユーザインターフェース504a、504b上に存在するグラフィカル/テキストレンダリングのいずれも、ユーザインターフェース504a、504bのいずれか上でレンダリングされ得ることを理解されたい。例えば、ユーザインターフェース504a内に存在する頭皮品質スコアセクション206aは、ユーザインターフェース504b内のディスプレイの一部としてレンダリングされ得る。同様に、頭皮又は毛髪予測値510及びユーザ固有の処置推奨512及び対応するメッセージ510m、512mは、ユーザインターフェース504a内のディスプレイの一部としてレンダリングされ得る。
本開示の態様
以下の態様は、本明細書の開示による例として提供されるものであり、本開示の範囲を限定することを意図するものではない。
1.ユーザ固有の皮膚又は毛髪データを分析して、ユーザ固有の皮膚又は毛髪状態を予測するように構成された人工知能(AI)ベースのシステムであって、システムは、1つ以上のプロセッサと、1つ以上のプロセッサ上で実行するように構成されたコンピューティング命令と、頭皮毛髪分析アプリによってアクセス可能であり、各個人の頭皮及び毛髪領域に関する訓練データで訓練されたAIベースの学習モデルであって、各個人の頭皮又は毛髪領域の1つ以上の特徴に対応する1つ以上の頭皮又は毛髪予測を出力するように構成された、AIベースの学習モデルと、を含む、頭皮毛髪分析アプリケーション(アプリ)と、を備え、各個人の頭皮及び毛髪領域に関する訓練データは、各個人の最後の洗浄データ、及び頭皮因子のうちの1つ以上、1つ以上の毛髪因子、又は洗浄頻度のうちの少なくとも1つに対応する1つ以上の値から選択され、訓練データは、頭皮又は毛髪領域の1つ以上の特徴を決定するように構成された頭皮又は毛髪測定デバイスで生成されたデータを含み、頭皮毛髪分析アプリのコンピューティング命令は、1つ以上のプロセッサによって実行されると、1つ以上のプロセッサに、(1)ユーザの最後の洗浄データ、及び(2)ユーザの1つ以上の頭皮因子、ユーザの1つ以上の毛髪因子、又はユーザの洗浄頻度のうちの少なくとも1つ、を含む、ユーザの頭皮又は毛髪領域を定義する、ユーザのユーザ固有データを受信させ、AIベースの学習モデルによって、ユーザ固有データを分析させて、ユーザの頭皮又は毛髪領域に対応する頭皮又は毛髪予測値を生成し、頭皮又は毛髪予測値に基づいて、ユーザの頭皮又は毛髪領域の頭皮又は毛髪予測値に基づく少なくとも1つの特徴に対処するように設計されたユーザ固有の処置を生成させる、システム。
2.1つ以上の頭皮因子が、頭皮乾燥、頭皮油性、ふけ、こわばり、発赤、不快臭、又はかゆみを含む、態様1に記載のAIベースのシステム。
3.頭皮又は毛髪予測値が、皮脂予測値を含む、態様2に記載のAIベースのシステム。
4.ユーザの頭皮又は毛髪領域が、(1)ユーザの頭皮領域、又は(2)ユーザの毛髪領域、のうちの一方に対応する、態様1~3のいずれか一項に記載のAIベースのシステム。
5.1つ以上の毛髪因子が、扱いにくさ、抜け毛、毛髪のボリューム、薄毛、もつれをほぐすこと、毛髪油性、乾燥、又は毛髪の匂いを含む、態様1~4のいずれか一つに記載のAIベースのシステム。
6.頭皮毛髪分析アプリのコンピューティング命令が、1つ以上のプロセッサによって実行されると、更に、1つ以上のプロセッサに、ユーザの頭皮又は毛髪領域の頭皮又は毛髪予測値に基づいて、品質スコアを生成させる、態様1~5のいずれか一つに記載のAIベースのシステム。
7.訓練データが、各個人の画像データ及び非画像データを含み、ユーザ固有のデータが、ユーザの画像データ及び非画像データを含む、態様1~6のいずれか一つに記載のAIベースのシステム。
8.訓練データの画像データ及びユーザ固有のデータの画像データが各々、1つ以上の皮脂画像の画素データ内で識別可能なヒト皮脂の量を定義する1つ以上の皮脂画像を含む、態様7に記載のAIベースのシステム。
9.頭皮毛髪分析アプリのコンピューティング命令が、1つ以上のプロセッサによって実行されると、1つ以上のプロセッサに、更に、ユーザの頭皮又は毛髪領域を描写するユーザの画像を受信させ、ユーザの頭皮又は毛髪領域へのユーザ固有の処置の仮想適用後にユーザのフォトリアリスティックな表現を生成させ、フォトリアリスティックな表現は、頭皮又は毛髪予測値に基づいて、ユーザの画像の1つ以上の画素を操作することによって生成される、態様1~8のいずれか一つに記載のAIベースのシステム。
10.頭皮又は毛髪測定デバイスが、ユーザの皮膚表面の皮脂レベルを決定するように構成されている、態様1~9のいずれか一つに記載のAIベースのシステム。
11.ユーザ固有の皮膚又は毛髪データを分析してユーザ固有の皮膚又は毛髪状態を予測するための人工知能(AI)ベースの方法であって、AIベースの方法は、1つ以上のプロセッサ上で実行される頭皮毛髪分析アプリケーション(アプリ)において、ユーザのユーザ固有データを受信するステップであって、ユーザ固有データは、(1)ユーザの最後の洗浄データ、及び(2)ユーザの1つ以上の頭皮因子、ユーザの1つ以上の毛髪因子、又はユーザの洗浄頻度のうちの少なくとも1つ、を含む、ユーザの頭皮又は毛髪領域を定義する、ステップと、頭皮毛髪分析アプリによってアクセス可能な人工知能(AI)ベースの学習モデルによって、ユーザ固有のデータを分析して、ユーザの頭皮又は毛髪領域に対応する頭皮又は毛髪予測値を生成するステップであって、AIベースの学習モデルは、各個人の頭皮及び毛髪領域に関する訓練データを用いて訓練され、各個人の頭皮又は毛髪領域の1つ以上の特徴に対応する1つ以上の頭皮又は毛髪予測を出力するように構成されており、各個人の頭皮及び毛髪領域に関する訓練データは、各個人の最後の洗浄データ、及び頭皮因子のうちの1つ以上、1つ以上の毛髪因子、又は洗浄頻度のうちの少なくとも1つに対応する1つ以上の値から選択され、訓練データは、頭皮又は毛髪領域の1つ以上の特徴を決定するように構成された頭皮又は毛髪測定デバイスで生成されたデータを含む、ステップと、頭皮又は毛髪予測値に基づいて、頭皮毛髪分析アプリによって、ユーザの頭皮又は毛髪領域の頭皮又は毛髪予測値に基づく少なくとも1つの特徴に対処するように設計されたユーザ固有の処置を生成するステップと、を含む、方法。
12.1つ以上の頭皮因子が、頭皮乾燥、頭皮油性、ふけ、こわばり、発赤、不快臭、又はかゆみを含む、態様11に記載のAIベースの方法。
13.頭皮又は毛髪予測値が、皮脂予測値を含む、態様12に記載のAIベースの方法。
14.ユーザの頭皮又は毛髪領域が、(1)ユーザの頭皮領域、又は(2)ユーザの毛髪領域、のうちの一方に対応する、態様11~13のいずれか一つに記載のAIベースの方法。
15.1つ以上の毛髪因子が、扱いにくさ、抜け毛、毛髪のボリューム、薄毛、もつれをほぐすこと、毛髪油性、乾燥、又は毛髪の匂いを含む、態様11~14のいずれか一つに記載のAIベースの方法。
16.頭皮毛髪分析アプリによって、ユーザの頭皮又は毛髪領域の頭皮又は毛髪予測値に基づいて、品質スコアを生成するステップを更に含む、態様11~15のいずれか一つに記載のAIベースの方法。
17.訓練データが、各個人の画像データ及び非画像データを含み、ユーザ固有のデータが、ユーザの画像データ及び非画像データを含む、態様11~16のいずれか一つに記載のAIベースの方法。
18.訓練データの画像データ及びユーザ固有のデータの画像データが各々、1つ以上の皮脂画像の画素データ内で識別可能なヒト皮脂の量を定義する1つ以上の皮脂画像を含む、態様11~17のいずれか一つに記載のAIベースの方法。
19.頭皮毛髪分析アプリにおいて、ユーザの頭皮又は毛髪領域を描写するユーザの画像を受信するステップと、頭皮毛髪分析アプリによって、ユーザの頭皮又は毛髪領域へのユーザ固有の処置の仮想適用後にユーザのフォトリアリスティックな表現を生成するステップであって、フォトリアリスティックな表現は、頭皮又は毛髪予測値に基づいて、ユーザの画像の1つ以上の画素を操作することによって生成される、ステップと、を更に含む、態様11~18のいずれか一つに記載のAIベースの方法。
20.頭皮又は毛髪測定デバイスが、ユーザの皮膚表面の皮脂レベルを決定するように構成されている、態様11~19のいずれか一つに記載のAIベースの方法。
21.ユーザ固有の皮膚又は毛髪状態を予測するようにユーザ固有の皮膚又は毛髪データを分析するための命令を記憶する有形の非一時的コンピュータ可読媒体であって、命令が、1つ以上のプロセッサによって実行されると、1つ以上のプロセッサに、1つ以上のプロセッサ上で実行される頭皮毛髪分析アプリケーション(アプリ)において、ユーザのユーザ固有データを受信させることであって、ユーザ固有データは、(1)ユーザの最後の洗浄データ、及び(2)ユーザの1つ以上の頭皮因子、ユーザの1つ以上の毛髪因子、又はユーザの洗浄頻度のうちの少なくとも1つ、を含む、ユーザの頭皮又は毛髪領域を定義する、ことと、頭皮毛髪分析アプリによってアクセス可能な人工知能(AI)ベースの学習モデルによって、ユーザ固有のデータを分析させて、ユーザの頭皮又は毛髪領域に対応する頭皮又は毛髪予測値を生成することであって、AIベースの学習モデルは、各個人の頭皮及び毛髪領域に関する訓練データを用いて訓練され、かつ、各個人の頭皮又は毛髪領域の1つ以上の特徴に対応する1つ以上の頭皮又は毛髪予測を出力するように構成されており、各個人の頭皮及び毛髪領域に関する訓練データは、各個人の最後の洗浄データ、及び頭皮因子のうちの1つ以上、1つ以上の毛髪因子、又は洗浄頻度のうちの少なくとも1つに対応する1つ以上の値から選択され、訓練データは、頭皮又は毛髪領域の1つ以上の特徴を決定するように構成された頭皮又は毛髪測定デバイスで生成されたデータを含む、ことと、頭皮又は毛髪予測値に基づいて、頭皮毛髪分析アプリによって、ユーザの頭皮又は毛髪領域の頭皮又は毛髪予測値に基づく少なくとも1つの特徴に対処するように設計されたユーザ固有の処置を生成させることと、を行わせるように構成されている、有形の非一時的コンピュータ可読媒体。
以下の態様は、本明細書の開示による例として提供されるものであり、本開示の範囲を限定することを意図するものではない。
1.ユーザ固有の皮膚又は毛髪データを分析して、ユーザ固有の皮膚又は毛髪状態を予測するように構成された人工知能(AI)ベースのシステムであって、システムは、1つ以上のプロセッサと、1つ以上のプロセッサ上で実行するように構成されたコンピューティング命令と、頭皮毛髪分析アプリによってアクセス可能であり、各個人の頭皮及び毛髪領域に関する訓練データで訓練されたAIベースの学習モデルであって、各個人の頭皮又は毛髪領域の1つ以上の特徴に対応する1つ以上の頭皮又は毛髪予測を出力するように構成された、AIベースの学習モデルと、を含む、頭皮毛髪分析アプリケーション(アプリ)と、を備え、各個人の頭皮及び毛髪領域に関する訓練データは、各個人の最後の洗浄データ、及び頭皮因子のうちの1つ以上、1つ以上の毛髪因子、又は洗浄頻度のうちの少なくとも1つに対応する1つ以上の値から選択され、訓練データは、頭皮又は毛髪領域の1つ以上の特徴を決定するように構成された頭皮又は毛髪測定デバイスで生成されたデータを含み、頭皮毛髪分析アプリのコンピューティング命令は、1つ以上のプロセッサによって実行されると、1つ以上のプロセッサに、(1)ユーザの最後の洗浄データ、及び(2)ユーザの1つ以上の頭皮因子、ユーザの1つ以上の毛髪因子、又はユーザの洗浄頻度のうちの少なくとも1つ、を含む、ユーザの頭皮又は毛髪領域を定義する、ユーザのユーザ固有データを受信させ、AIベースの学習モデルによって、ユーザ固有データを分析させて、ユーザの頭皮又は毛髪領域に対応する頭皮又は毛髪予測値を生成し、頭皮又は毛髪予測値に基づいて、ユーザの頭皮又は毛髪領域の頭皮又は毛髪予測値に基づく少なくとも1つの特徴に対処するように設計されたユーザ固有の処置を生成させる、システム。
2.1つ以上の頭皮因子が、頭皮乾燥、頭皮油性、ふけ、こわばり、発赤、不快臭、又はかゆみを含む、態様1に記載のAIベースのシステム。
3.頭皮又は毛髪予測値が、皮脂予測値を含む、態様2に記載のAIベースのシステム。
4.ユーザの頭皮又は毛髪領域が、(1)ユーザの頭皮領域、又は(2)ユーザの毛髪領域、のうちの一方に対応する、態様1~3のいずれか一項に記載のAIベースのシステム。
5.1つ以上の毛髪因子が、扱いにくさ、抜け毛、毛髪のボリューム、薄毛、もつれをほぐすこと、毛髪油性、乾燥、又は毛髪の匂いを含む、態様1~4のいずれか一つに記載のAIベースのシステム。
6.頭皮毛髪分析アプリのコンピューティング命令が、1つ以上のプロセッサによって実行されると、更に、1つ以上のプロセッサに、ユーザの頭皮又は毛髪領域の頭皮又は毛髪予測値に基づいて、品質スコアを生成させる、態様1~5のいずれか一つに記載のAIベースのシステム。
7.訓練データが、各個人の画像データ及び非画像データを含み、ユーザ固有のデータが、ユーザの画像データ及び非画像データを含む、態様1~6のいずれか一つに記載のAIベースのシステム。
8.訓練データの画像データ及びユーザ固有のデータの画像データが各々、1つ以上の皮脂画像の画素データ内で識別可能なヒト皮脂の量を定義する1つ以上の皮脂画像を含む、態様7に記載のAIベースのシステム。
9.頭皮毛髪分析アプリのコンピューティング命令が、1つ以上のプロセッサによって実行されると、1つ以上のプロセッサに、更に、ユーザの頭皮又は毛髪領域を描写するユーザの画像を受信させ、ユーザの頭皮又は毛髪領域へのユーザ固有の処置の仮想適用後にユーザのフォトリアリスティックな表現を生成させ、フォトリアリスティックな表現は、頭皮又は毛髪予測値に基づいて、ユーザの画像の1つ以上の画素を操作することによって生成される、態様1~8のいずれか一つに記載のAIベースのシステム。
10.頭皮又は毛髪測定デバイスが、ユーザの皮膚表面の皮脂レベルを決定するように構成されている、態様1~9のいずれか一つに記載のAIベースのシステム。
11.ユーザ固有の皮膚又は毛髪データを分析してユーザ固有の皮膚又は毛髪状態を予測するための人工知能(AI)ベースの方法であって、AIベースの方法は、1つ以上のプロセッサ上で実行される頭皮毛髪分析アプリケーション(アプリ)において、ユーザのユーザ固有データを受信するステップであって、ユーザ固有データは、(1)ユーザの最後の洗浄データ、及び(2)ユーザの1つ以上の頭皮因子、ユーザの1つ以上の毛髪因子、又はユーザの洗浄頻度のうちの少なくとも1つ、を含む、ユーザの頭皮又は毛髪領域を定義する、ステップと、頭皮毛髪分析アプリによってアクセス可能な人工知能(AI)ベースの学習モデルによって、ユーザ固有のデータを分析して、ユーザの頭皮又は毛髪領域に対応する頭皮又は毛髪予測値を生成するステップであって、AIベースの学習モデルは、各個人の頭皮及び毛髪領域に関する訓練データを用いて訓練され、各個人の頭皮又は毛髪領域の1つ以上の特徴に対応する1つ以上の頭皮又は毛髪予測を出力するように構成されており、各個人の頭皮及び毛髪領域に関する訓練データは、各個人の最後の洗浄データ、及び頭皮因子のうちの1つ以上、1つ以上の毛髪因子、又は洗浄頻度のうちの少なくとも1つに対応する1つ以上の値から選択され、訓練データは、頭皮又は毛髪領域の1つ以上の特徴を決定するように構成された頭皮又は毛髪測定デバイスで生成されたデータを含む、ステップと、頭皮又は毛髪予測値に基づいて、頭皮毛髪分析アプリによって、ユーザの頭皮又は毛髪領域の頭皮又は毛髪予測値に基づく少なくとも1つの特徴に対処するように設計されたユーザ固有の処置を生成するステップと、を含む、方法。
12.1つ以上の頭皮因子が、頭皮乾燥、頭皮油性、ふけ、こわばり、発赤、不快臭、又はかゆみを含む、態様11に記載のAIベースの方法。
13.頭皮又は毛髪予測値が、皮脂予測値を含む、態様12に記載のAIベースの方法。
14.ユーザの頭皮又は毛髪領域が、(1)ユーザの頭皮領域、又は(2)ユーザの毛髪領域、のうちの一方に対応する、態様11~13のいずれか一つに記載のAIベースの方法。
15.1つ以上の毛髪因子が、扱いにくさ、抜け毛、毛髪のボリューム、薄毛、もつれをほぐすこと、毛髪油性、乾燥、又は毛髪の匂いを含む、態様11~14のいずれか一つに記載のAIベースの方法。
16.頭皮毛髪分析アプリによって、ユーザの頭皮又は毛髪領域の頭皮又は毛髪予測値に基づいて、品質スコアを生成するステップを更に含む、態様11~15のいずれか一つに記載のAIベースの方法。
17.訓練データが、各個人の画像データ及び非画像データを含み、ユーザ固有のデータが、ユーザの画像データ及び非画像データを含む、態様11~16のいずれか一つに記載のAIベースの方法。
18.訓練データの画像データ及びユーザ固有のデータの画像データが各々、1つ以上の皮脂画像の画素データ内で識別可能なヒト皮脂の量を定義する1つ以上の皮脂画像を含む、態様11~17のいずれか一つに記載のAIベースの方法。
19.頭皮毛髪分析アプリにおいて、ユーザの頭皮又は毛髪領域を描写するユーザの画像を受信するステップと、頭皮毛髪分析アプリによって、ユーザの頭皮又は毛髪領域へのユーザ固有の処置の仮想適用後にユーザのフォトリアリスティックな表現を生成するステップであって、フォトリアリスティックな表現は、頭皮又は毛髪予測値に基づいて、ユーザの画像の1つ以上の画素を操作することによって生成される、ステップと、を更に含む、態様11~18のいずれか一つに記載のAIベースの方法。
20.頭皮又は毛髪測定デバイスが、ユーザの皮膚表面の皮脂レベルを決定するように構成されている、態様11~19のいずれか一つに記載のAIベースの方法。
21.ユーザ固有の皮膚又は毛髪状態を予測するようにユーザ固有の皮膚又は毛髪データを分析するための命令を記憶する有形の非一時的コンピュータ可読媒体であって、命令が、1つ以上のプロセッサによって実行されると、1つ以上のプロセッサに、1つ以上のプロセッサ上で実行される頭皮毛髪分析アプリケーション(アプリ)において、ユーザのユーザ固有データを受信させることであって、ユーザ固有データは、(1)ユーザの最後の洗浄データ、及び(2)ユーザの1つ以上の頭皮因子、ユーザの1つ以上の毛髪因子、又はユーザの洗浄頻度のうちの少なくとも1つ、を含む、ユーザの頭皮又は毛髪領域を定義する、ことと、頭皮毛髪分析アプリによってアクセス可能な人工知能(AI)ベースの学習モデルによって、ユーザ固有のデータを分析させて、ユーザの頭皮又は毛髪領域に対応する頭皮又は毛髪予測値を生成することであって、AIベースの学習モデルは、各個人の頭皮及び毛髪領域に関する訓練データを用いて訓練され、かつ、各個人の頭皮又は毛髪領域の1つ以上の特徴に対応する1つ以上の頭皮又は毛髪予測を出力するように構成されており、各個人の頭皮及び毛髪領域に関する訓練データは、各個人の最後の洗浄データ、及び頭皮因子のうちの1つ以上、1つ以上の毛髪因子、又は洗浄頻度のうちの少なくとも1つに対応する1つ以上の値から選択され、訓練データは、頭皮又は毛髪領域の1つ以上の特徴を決定するように構成された頭皮又は毛髪測定デバイスで生成されたデータを含む、ことと、頭皮又は毛髪予測値に基づいて、頭皮毛髪分析アプリによって、ユーザの頭皮又は毛髪領域の頭皮又は毛髪予測値に基づく少なくとも1つの特徴に対処するように設計されたユーザ固有の処置を生成させることと、を行わせるように構成されている、有形の非一時的コンピュータ可読媒体。
追加の考慮事項
本明細書の開示は、多数の異なる態様の詳細な説明を記載するものであるが、当該説明の法的範囲は、本特許及び等価物の最後に記載された特許請求の範囲の語句によって定義されることを理解されたい。この詳細な説明は例示的なものとしてのみ解釈されるべきであり、全ての可能な態様を説明することは非現実的であるので、全ての可能な態様を説明するものではない。現在の技術か、又は本特許の出願日以降に開発された技術のいずれかを使用して、多数の代替の態様が実装され得るが、このような態様は、依然として、特許請求の範囲の範囲内に収まることになる。
本明細書の開示は、多数の異なる態様の詳細な説明を記載するものであるが、当該説明の法的範囲は、本特許及び等価物の最後に記載された特許請求の範囲の語句によって定義されることを理解されたい。この詳細な説明は例示的なものとしてのみ解釈されるべきであり、全ての可能な態様を説明することは非現実的であるので、全ての可能な態様を説明するものではない。現在の技術か、又は本特許の出願日以降に開発された技術のいずれかを使用して、多数の代替の態様が実装され得るが、このような態様は、依然として、特許請求の範囲の範囲内に収まることになる。
以下の追加の考慮事項は、前述の考察に適用される。本明細書全体を通して、複数の実例が、単一の実例として説明される構成要素、動作、又は構造を実装し得る。1つ以上の方法の個々の動作が別個の動作として例解及び説明されているが、個々の動作のうちの1つ以上が同時に実施され得、また動作が例解されている順序で実施される必要はない。例示的な構成における別個の構成要素として提示される構造及び機能は、組み合わされた構造又は構成要素として実装され得る。同様に、単一の構成要素として提示される構造及び機能は、別個の構成要素としても実装され得る。これら及び他の変形、修正、追加、及び改善も本明細書の本主題の範囲内に含まれる。
加えて、特定の態様は、論理又はいくつかのルーチン、サブルーチン、アプリケーション、又は命令を含むものとして本明細書に記載されている。これらは、ソフトウェア(例えば、機械可読媒体上に若しくは送信信号内に具現化されたコード)又はハードウェアのいずれかを構築し得る。ハードウェアでは、ルーチンなどは、特定の動作を実施することが可能な有形のユニットであり、特定の様式で構成又は配設され得る。例示的な態様では、1つ以上のコンピュータシステム(例えば、スタンドアロン、クライアント若しくはサーバコンピュータシステム)又はコンピュータシステムの1つ以上のハードウェアモジュール(例えば、プロセッサ若しくはプロセッサのグループ)が、本明細書に記載されるような特定の動作を実施するように動作するハードウェアモジュールとしてソフトウェア(例えば、アプリケーション若しくはアプリケーション部分)によって構成され得る。
本明細書に記載される例示的方法の様々な動作は、少なくとも部分的に、関連する動作を実施するように一時的に構成された(例えば、ソフトウェアによって)又は恒久的に構成された1つ以上のプロセッサによって実施され得る。一時的に構成されたか、又は恒久的に構成されたかにかかわらず、このようなプロセッサは、1つ以上の動作若しくは機能を実施するように動作するプロセッサ実装モジュールを形成し得る。本明細書で言及されるモジュールは、いくつかの例示的な態様では、プロセッサ実装モジュールを含み得る。
同様に、本明細書に記載される方法又はルーチンは、少なくとも部分的にプロセッサ実装され得る。例えば、ある方法の動作のうちの少なくともいくつかは、1つ以上のプロセッサ又はプロセッサ実装ハードウェアモジュールによって実施され得る。それらの動作の特定の性能は、1つ以上のプロセッサに分散され得、単一のマシン内に存在するだけでなく、多数のマシンにわたって展開され得る。いくつかの例示的な態様では、プロセッサ(単数又は複数)は、単一の場所に配置され得、これに対して、他の態様では、プロセッサは、いくつかの場所にわたって分散され得る。
それらの動作の特定の性能は、1つ以上のプロセッサに分散され得、単一のマシン内に存在するだけでなく、多数のマシンにわたって展開され得る。いくつかの例示的な態様では、1つ以上のプロセッサ又はプロセッサ実装モジュールが、単一の地理的場所(例えば、家庭環境、オフィス環境、又はサーバファーム内)に配置され得る。他の態様では、1つ以上のプロセッサ又はプロセッサ実装モジュールは、多数の地理的場所にわたって分散され得る。
この詳細な説明は例示的なものとしてのみ解釈されるべきであり、また、全ての可能な態様を説明することは不可能ではないとしても非現実的であるので、全ての可能な態様を説明するものではない。当業者は、現在の技術か、又は本出願の出願日後に開発される技術のいずれかを使用して、多数の代替的な態様を実施し得る。
当業者は、本発明の範囲から逸脱することなく、上記の態様に関して多種多様な修正、変更、及び組み合わせを行うことができ、そのような修正、変更、及び組み合わせが、本発明の概念の周囲内にあるとみなされ得ることを認識するであろう。
本特許出願の最後にある特許請求の範囲は、「のための手段」又は「のためのステップ」という文言などの、従来の手段プラス機能文言が明示的に列挙されていない限り、米国特許法第112条(f)の下で解釈されることを意図するものではない。本明細書に記載のシステム及び方法は、コンピュータ機能の改善を対象とし、従来のコンピュータの機能を改善する。
本明細書に開示される寸法及び値は、列挙された正確な数値に厳密に限定されるものとして理解されるべきではない。その代わりに、特に指示されない限り、そのような寸法は各々、列挙された値とその値を囲む機能的に同等な範囲との両方を意味することが意図される。例えば、「40mm」と開示された寸法は、「約40mm」を意味することが意図される。
相互参照される又は関連するあらゆる特許又は特許出願、及び本願が優先権又はその利益を主張する任意の特許出願又は特許を含む、本明細書に引用される全ての文書は、除外又は限定することが明言されない限りにおいて、参照によりその全体が本明細書に組み込まれる。いずれの文献の引用も、本明細書中で開示又は特許請求されるいずれの発明に対する先行技術であるとみなされず、あるいはそれを単独で又は他の任意の参考文献(単数又は複数)と組み合わせたときに、そのようないずれの発明も教示、示唆又は開示するとはみなされない。更に、本文書における用語のいずれの意味又は定義も、参照により組み込まれた文書内の同じ用語の任意の意味又は定義と矛盾する場合、本文書においてその用語に与えられた意味又は定義が適用されるものとする。
本発明の特定の態様について説明し記載したが、本発明の趣旨及び範囲から逸脱することなく他の様々な変更及び修正が可能であることが当業者には自明である。したがって、本発明の範囲内にある全てのそのような変更及び修正を添付の特許請求の範囲に網羅することが意図される。
Claims (14)
- ユーザ固有の皮膚又は毛髪データを分析してユーザ固有の皮膚又は毛髪状態を予測するための人工知能(AI)ベースの方法であって、前記AIベースの方法は、1つ以上のプロセッサ上で実行される頭皮毛髪分析アプリケーション(アプリ)において、ユーザのユーザ固有データを受信するステップであって、前記ユーザ固有データは、(1)前記ユーザの最後の洗浄データ、及び(2)前記ユーザの1つ以上の頭皮因子、前記ユーザの1つ以上の毛髪因子、又は前記ユーザの洗浄頻度のうちの少なくとも1つ、を含む、前記ユーザの頭皮又は毛髪領域を定義する、ステップと、前記頭皮毛髪分析アプリによってアクセス可能な人工知能(AI)ベースの学習モデルによって、前記ユーザ固有のデータを分析して、前記ユーザの前記頭皮又は毛髪領域に対応する頭皮又は毛髪予測値を生成するステップであって、前記AIベースの学習モデルは、各個人の頭皮及び毛髪領域に関する訓練データを用いて訓練され、各個人の前記頭皮又は毛髪領域の1つ以上の特徴に対応する1つ以上の頭皮又は毛髪予測を出力するように構成されており、各個人の頭皮及び毛髪領域に関する前記訓練データは、前記各個人の最後の洗浄データ、及び頭皮因子のうちの1つ以上、1つ以上の毛髪因子、又は洗浄頻度のうちの少なくとも1つに対応する1つ以上の値から選択され、前記訓練データは、前記頭皮又は毛髪領域の前記1つ以上の特徴を決定するように構成された頭皮又は毛髪測定デバイスで生成されたデータを含む、ステップと、前記頭皮又は毛髪予測値に基づいて、前記頭皮毛髪分析アプリによって、前記ユーザの頭皮又は毛髪領域の前記頭皮又は毛髪予測値に基づく少なくとも1つの特徴に対処するように設計されたユーザ固有の処置を生成するステップと、を含む、方法。
- 前記1つ以上の頭皮因子が、頭皮乾燥、頭皮油性、ふけ、こわばり、発赤、不快臭、又はかゆみを含む、請求項1に記載のAIベースの方法。
- 前記頭皮又は毛髪予測値が、皮脂予測値を含む、請求項1又は2に記載のAIベースの方法。
- 前記ユーザの前記頭皮又は毛髪領域が、(1)前記ユーザの頭皮領域、又は(2)前記ユーザの毛髪領域、のうちの一方に対応する、請求項1~3のいずれか一項に記載のAIベースの方法。
- 前記1つ以上の毛髪因子が、扱いにくさ、抜け毛、毛髪のボリューム、薄毛、もつれをほぐすこと、毛髪油性、乾燥、又は毛髪の匂いを含む、請求項1~4のいずれか一項に記載のAIベースの方法。
- 前記頭皮毛髪分析アプリによって、前記ユーザの頭皮又は毛髪領域の前記頭皮又は毛髪予測値に基づいて、品質スコアを生成するステップを更に含む、請求項1~5のいずれか一項に記載のAIベースの方法。
- 前記訓練データが、前記各個人の画像データ及び非画像データを含み、前記ユーザ固有のデータが、前記ユーザの画像データ及び非画像データを含み、好ましくは、前記訓練データの前記画像データ及び前記ユーザ固有のデータの前記画像データがそれぞれ、前記1つ以上の皮脂画像の画素データ内で識別可能なヒトの皮脂の量を定義する1つ以上の皮脂画像を含む、請求項1~6のいずれか一項に記載のAIベースの方法。
- 前記頭皮毛髪分析アプリにおいて、前記ユーザの前記頭皮又は毛髪領域を描写する前記ユーザの画像を受信するステップと、前記頭皮毛髪分析アプリによって、前記ユーザの前記頭皮又は毛髪領域への前記ユーザ固有の処置の仮想適用後に前記ユーザのフォトリアリスティックな表現を生成するステップであって、前記フォトリアリスティックな表現は、前記頭皮又は毛髪予測値に基づいて、前記ユーザの前記画像の1つ以上の画素を操作することによって生成される、ステップと、を更に含む、請求項1~7のいずれか一項に記載のAIベースの方法。
- 前記頭皮又は毛髪測定デバイスが、前記ユーザの皮膚表面の皮脂レベルを決定するように構成されている、請求項1~8のいずれか一項に記載のAIベースの方法。
- 請求項1~9のいずれか一項に記載の方法を実行するように構成された人工知能(AI)ベースのシステムであって、前記システムは、1つ以上のプロセッサと、前記1つ以上のプロセッサ上で実行するように構成されたコンピューティング命令と、前記頭皮毛髪分析アプリによってアクセス可能であり、各個人の頭皮及び毛髪領域に関する訓練データで訓練されたAIベースの学習モデルであって、各個人の前記頭皮又は毛髪領域の1つ以上の特徴に対応する1つ以上の頭皮又は毛髪予測を出力するように構成された、AIベースの学習モデルと、を含む、頭皮毛髪分析アプリケーション(アプリ)と、を備え、各個人の頭皮及び毛髪領域に関する前記訓練データは、前記各個人の最後の洗浄データ、及び頭皮因子のうちの1つ以上、1つ以上の毛髪因子、又は洗浄頻度のうちの少なくとも1つに対応する1つ以上の値から選択され、前記訓練データは、前記頭皮又は毛髪領域の前記1つ以上の特徴を決定するように構成された頭皮又は毛髪測定デバイスで生成されたデータを含み、前記頭皮毛髪分析アプリの前記コンピューティング命令は、前記1つ以上のプロセッサによって実行されると、前記1つ以上のプロセッサに、(1)前記ユーザの最後の洗浄データ、及び(2)前記ユーザの1つ以上の頭皮因子、前記ユーザの1つ以上の毛髪因子、又は前記ユーザの洗浄頻度のうちの少なくとも1つ、を含む、前記ユーザの頭皮又は毛髪領域を定義する、ユーザのユーザ固有データを受信させ、前記AIベースの学習モデルによって、前記ユーザ固有データを分析させて、前記ユーザの前記頭皮又は毛髪領域に対応する頭皮又は毛髪予測値を生成し、前記頭皮又は毛髪予測値に基づいて、前記ユーザの頭皮又は毛髪領域の前記頭皮又は毛髪予測値に基づく少なくとも1つの特徴に対処するように設計されたユーザ固有の処置を生成させる、システム。
- 前記頭皮毛髪分析アプリの前記コンピューティング命令が、前記1つ以上のプロセッサによって実行されると、更に、前記1つ以上のプロセッサに、前記ユーザの頭皮又は毛髪領域の前記頭皮又は毛髪予測値に基づいて、品質スコアを生成させる、請求項10に記載のAIベースのシステム。
- 前記頭皮又は毛髪分析アプリの前記コンピューティング命令が、前記1つ以上のプロセッサによって実行されると、更に、前記1つ以上のプロセッサに、前記ユーザの前記頭皮又は毛髪領域を描写する前記ユーザの画像を受信させ、前記ユーザの前記頭皮又は毛髪領域への前記ユーザ固有の処置の仮想適用後に前記ユーザのフォトリアリスティックな表現を生成させ、前記フォトリアリスティックな表現は、前記頭皮又は毛髪予測値に基づいて、前記ユーザの前記画像の1つ以上の画素を操作することによって生成される、請求項10又は11に記載のAIベースのシステム。
- ユーザ固有の皮膚又は毛髪データを分析してユーザ固有の皮膚又は毛髪状態を予測するための前記方法を実行するための命令を記憶する非一時的コンピュータ可読媒体を含む、請求項10~12のいずれか一項に記載のシステム。
- 請求項1~9のいずれか一項に記載の方法を実行するための命令を記憶する有形の非一時的コンピュータ可読媒体であって、前記命令が、1つ以上のプロセッサによって実行されると、前記命令は、前記1つ以上のプロセッサに、1つ以上のプロセッサ上で実行される頭皮毛髪分析アプリケーション(アプリ)において、ユーザのユーザ固有データを受信させることであって、前記ユーザ固有データは、(1)前記ユーザの最後の洗浄データ、及び(2)前記ユーザの1つ以上の頭皮因子、前記ユーザの1つ以上の毛髪因子、又は前記ユーザの洗浄頻度のうちの少なくとも1つ、を含む前記ユーザの頭皮又は毛髪領域を定義する、ことと、前記頭皮毛髪分析アプリによってアクセス可能な人工知能(AI)ベースの学習モデルによって、前記ユーザ固有のデータを分析させて、前記ユーザの前記頭皮又は毛髪領域に対応する頭皮又は毛髪予測値を生成することであって、前記AIベースの学習モデルは、各個人の頭皮及び毛髪領域に関する訓練データを用いて訓練され、かつ、各個人の前記頭皮又は毛髪領域の1つ以上の特徴に対応する1つ以上の頭皮又は毛髪予測を出力するように構成されており、各個人の頭皮及び毛髪領域に関する前記訓練データは、前記各個人の最後の洗浄データ、及び頭皮因子のうちの1つ以上、1つ以上の毛髪因子、又は洗浄頻度のうちの少なくとも1つに対応する1つ以上の値から選択され、前記訓練データは、前記頭皮又は毛髪領域の前記1つ以上の特徴を決定するように構成された頭皮又は毛髪測定デバイスで生成されたデータを含む、ことと、前記頭皮又は毛髪予測値に基づいて、前記頭皮毛髪分析アプリによって、前記ユーザの頭皮又は毛髪領域の前記頭皮又は毛髪予測値に基づく少なくとも1つの特徴に対処するように設計されたユーザ固有の処置を生成させることと、を行わせるように構成されている、有形の非一時的コンピュータ可読媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/326,505 | 2021-05-21 | ||
US17/326,505 US20220375601A1 (en) | 2021-05-21 | 2021-05-21 | Artificial intelligence based systems and methods for analyzing user-specific skin or hair data to predict user-specific skin or hair conditions |
PCT/US2022/072365 WO2022246398A1 (en) | 2021-05-21 | 2022-05-17 | Artificial intelligence based systems and methods for analyzing user-specific skin or hair data to predict user-specific skin or hair conditions |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2024521106A true JP2024521106A (ja) | 2024-05-28 |
Family
ID=82156629
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023571871A Pending JP2024521106A (ja) | 2021-05-21 | 2022-05-17 | ユーザ固有の皮膚又は毛髪データを分析して、ユーザ固有の皮膚又は毛髪状態を予測する、人工知能ベースのシステム及び方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220375601A1 (ja) |
EP (1) | EP4341944A1 (ja) |
JP (1) | JP2024521106A (ja) |
CN (1) | CN117355900A (ja) |
WO (1) | WO2022246398A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230043674A1 (en) * | 2021-08-09 | 2023-02-09 | Techturized, Inc. | Scientific and technical systems and methods for providing hair health diagnosis, treatment, and styling recommendations |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030013994A1 (en) * | 2001-07-11 | 2003-01-16 | Gilles Rubinstenn | Methods and systems for generating a prognosis |
US20030064356A1 (en) * | 2001-10-01 | 2003-04-03 | Gilles Rubinstenn | Customized beauty tracking kit |
WO2013094442A1 (ja) * | 2011-12-21 | 2013-06-27 | ポーラ化成工業株式会社 | 皮脂量の推定方法 |
DE102017217727A1 (de) * | 2017-10-05 | 2019-04-11 | Henkel Ag & Co. Kgaa | Verfahren zum computergestützten Ermitteln eines Kosmetikprodukts |
WO2019161038A1 (en) * | 2018-02-16 | 2019-08-22 | Exploramed V Llc | Acne treatment system and methods |
JP7140848B2 (ja) * | 2018-05-17 | 2022-09-21 | ザ プロクター アンド ギャンブル カンパニー | 毛髪被覆率分析のためのシステム及び方法 |
JP6647438B1 (ja) * | 2019-04-09 | 2020-02-14 | 株式会社アデランス | 頭部センシング装置、情報処理装置、頭部測定方法、情報処理方法、プログラム |
-
2021
- 2021-05-21 US US17/326,505 patent/US20220375601A1/en active Pending
-
2022
- 2022-05-17 WO PCT/US2022/072365 patent/WO2022246398A1/en active Application Filing
- 2022-05-17 EP EP22732858.0A patent/EP4341944A1/en active Pending
- 2022-05-17 JP JP2023571871A patent/JP2024521106A/ja active Pending
- 2022-05-17 CN CN202280036376.0A patent/CN117355900A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2022246398A1 (en) | 2022-11-24 |
US20220375601A1 (en) | 2022-11-24 |
EP4341944A1 (en) | 2024-03-27 |
CN117355900A (zh) | 2024-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2021510217A (ja) | 機械実行顔面健康及び美容アシスタント | |
US20220164852A1 (en) | Digital Imaging and Learning Systems and Methods for Analyzing Pixel Data of an Image of a Hair Region of a User's Head to Generate One or More User-Specific Recommendations | |
US20220335614A1 (en) | Digital Imaging and Learning Systems and Methods for Analyzing Pixel Data of a Scalp Region of a Users Scalp to Generate One or More User-Specific Scalp Classifications | |
US20220005195A1 (en) | Digital imaging systems and methods of analyzing pixel data of an image of a user's body for determining a user-specific skin irritation value of the user's skin after removing hair | |
US11455747B2 (en) | Digital imaging systems and methods of analyzing pixel data of an image of a user's body for determining a user-specific skin redness value of the user's skin after removing hair | |
US20220000417A1 (en) | Digital imaging systems and methods of analyzing pixel data of an image of a skin area of a user for determining skin laxity | |
KR102445747B1 (ko) | 피부 분석에 기초하여 토탈 큐레이션 서비스를 제공하기 위한 방법 및 장치 | |
JP2024521106A (ja) | ユーザ固有の皮膚又は毛髪データを分析して、ユーザ固有の皮膚又は毛髪状態を予測する、人工知能ベースのシステム及び方法 | |
US20230196579A1 (en) | Digital imaging systems and methods of analyzing pixel data of an image of a skin area of a user for determining skin pore size | |
US20230187055A1 (en) | Skin analysis system and method implementations | |
US20230196835A1 (en) | Digital imaging systems and methods of analyzing pixel data of an image of a skin area of a user for determining dark eye circles | |
US20230196553A1 (en) | Digital imaging systems and methods of analyzing pixel data of an image of a skin area of a user for determining skin dryness | |
US20230196816A1 (en) | Digital imaging systems and methods of analyzing pixel data of an image of a skin area of a user for determining skin hyperpigmentation | |
US20230196549A1 (en) | Digital imaging systems and methods of analyzing pixel data of an image of a skin area of a user for determining skin puffiness | |
US20230196552A1 (en) | Digital imaging systems and methods of analyzing pixel data of an image of a skin area of a user for determining skin oiliness | |
US20230196551A1 (en) | Digital imaging systems and methods of analyzing pixel data of an image of a skin area of a user for determining skin roughness | |
US20230196550A1 (en) | Digital imaging systems and methods of analyzing pixel data of an image of a skin area of a user for determining body contour | |
KR20230044582A (ko) | 인공지능 모델 기반 민머리 변환 및 이를 활용한 실감형 헤어 스타일 시뮬레이션 장치 및 그 동작 방법 | |
KR20230045635A (ko) | 사용자가 착용한 패션 요소를 고려한 헤어 스타일 추천 서비스 장치 및 그 동작 방법 | |
KR20230045636A (ko) | 인공지능 모델 기반 실감형 헤어 스타일 시뮬레이션 서비스 제공 방법 | |
KR20230045632A (ko) | 인공지능 모델 기반 실감형 헤어 스타일 시뮬레이션 장치의 동작 방법 | |
KR20230044585A (ko) | 헤어 시뮬레이션 기술을 사용한 민머리 변환 인공지능 모델 학습 데이터 생성 방법 | |
KR20230044583A (ko) | 헤어 스타일 시뮬레이션 프로그램 기록매체 | |
KR20230045633A (ko) | 헤어 스타일 시뮬레이션을 위한 컴퓨터 프로그램 | |
KR20230045631A (ko) | 민머리 및 사용자 정보 분석에 기반한 실감형 헤어 스타일 시뮬레이션 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231120 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20231120 |